我有一个包含许多单词的字符串（不是句子），我想知道如何提取其中对应地点的所有单词，例如：

text<-c("China","Japan","perspective","United Kingdom","formatting","clear","India","Sudan","United States of America","Bagel","Mongolian",...)

输出应为：

 > China, Japan, United Kingdom, Mongolian

类似这样的结果。基本上，我正在寻找从随机文本中提取地点信息的方法。这是一个非常普遍的问题，我希望得到关于如何建模解决方案的指导，是否有任何数据集或其他资源可以用来比较或提取信息。我不想进行逐字比较。我是机器学习和R编程的新手，任何指导都将不胜感激。

回答：

你可以尝试这个方法——它的效果如何真的取决于你的输入变量的清洁度，但它对你的示例数据是有效的：

library(countrycode)text[!is.na(countrycode(text, "country.name", "continent"))][1] "China"                    "Japan"                    "United Kingdom"          [4] "India"                    "Sudan"                    "United States of America"[7] "Mongolian"