Noções básicas de expressões regulares

Introdução ao Processamento de Linguagem Natural em R

Kasey Jones

Research Data Scientist

O que é processamento de linguagem natural?

NLP:

Tópicos abordados:

Uma sequência de caracteres para buscar texto
Exemplos:
- buscar arquivos em um diretório via linha de comando
- encontrar artigos com um padrão específico
- substituir um texto específico
- ...

words <- c("DW-40", "Mike's Oil", "5w30", "Joe's Gas", "Unleaded", "Plus-89")

# Finding Digits
grep("\\d", words, value = TRUE)

[1] 1 3 6

# Finding Apostrophes
grep("\\'", words, value = TRUE)

[1] "Mike's Oil"     "Joe's Gasoline"

Padrão	Combinações no texto	Exemplo em R	Exemplo de texto
\w	Qualquer alfanumérico	gregexpr(pattern ='\w', <text>)	a
\d	Qualquer dígito	gregexpr(pattern ='\d', text)	1
\w+	Alfanumérico de qualquer tamanho	gregexpr(pattern ='\w+', text)	word
\d+	Dígitos de qualquer tamanho	gregexpr(pattern ='\d+', text)	1234
\s	Espaços	gregexpr(pattern ='\s', text)	' '
\S	Qualquer não-espaço	gregexpr(pattern ='\S', text)	word

Função	Finalidade	Sintaxe
grep	Encontrar correspondências do padrão em um vetor	grep(pattern ='\w', x = <vector>, value = F)
gsub	Substituir todas as correspondências em string/vetor	gsub(pattern ='\d+', replacement = "", x = <vector>)

Há vários recursos on-line para praticar expressões regulares. Eles trazem muitos detalhes e exemplos.

¹ https://regexone.com/lesson/matching_characters

Introdução ao Processamento de Linguagem Natural em R