《机器学习：实用案例解析》第三章（1）

library(tm)
library(ggplot2)
spam.path<-"data/spam/"

get.msg<-function(path){
  con<-file(path,open="rt",encoding="latin1")
  text<-readLines(con)
  msg<-text[seq(which(text=="")[1]+1,length(text),1)]
  close(con)
  return(paste(msg,collapse="\n"))
}

spam.docs<-dir(spam.path)
spam.docs<-spam.docs[which(spam.docs!="cmds")]
all.spam<-sapply(spam.docs,
                 function(p) get.msg(paste(spam.path,p,sep="")))

运行到data/spam/00035.7ce3307b56dd90453027a6630179282e时出错，提示：

Error in seq.default(which(text == "")[1] + 1, length(text), 1) :
  'from' must be a finite number
: Warning messages:
1: In readLines(con) :
  'data/spam/00006.5ab5620d3d7c6c0db76234556a16f6c1'
2: In readLines(con) :
  'data/spam/00009.027bf6e0b0c4ab34db3ce0ea4bf2edab'
3: In readLines(con) :
  'data/spam/00035.7ce3307b56dd90453027a6630179282e'
4: In readLines(con) :
  'data/spam/00035.7ce3307b56dd90453027a6630179282e'
> head(all.spam)
Error in head(all.spam) : 'all.spam'

解决办法：

con<-file(path,open="rt",encoding="latin1")

修改为

con<-file(path,open="rt")

原因：

00035.7ce3307b56dd90453027a6630179282e文件中有韩语字符，file使用latin1编码读取到韩语字符时自动停止了。