Cơ bản về biểu thức chính quy

Nhập môn Xử lý Ngôn ngữ Tự nhiên với R

Kasey Jones

Research Data Scientist

Xử lý ngôn ngữ tự nhiên là gì?

Xử lý ngôn ngữ tự nhiên (NLP):

Chủ đề:

Một chuỗi ký tự để tìm kiếm trong văn bản
Ví dụ:
- tìm file trong thư mục bằng dòng lệnh
- tìm bài viết chứa mẫu cụ thể
- thay thế đoạn văn bản cụ thể
- ...

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"

Mẫu	Khớp văn bản	Ví dụ R	Ví dụ văn bản
\w	Ký tự chữ-số	gregexpr(pattern ='\w', <text>)	a
\d	Chữ số	gregexpr(pattern ='\d', text)	1
\w+	Chuỗi chữ-số bất kỳ độ dài	gregexpr(pattern ='\w+', text)	word
\d+	Chuỗi chữ số bất kỳ độ dài	gregexpr(pattern ='\d+', text)	1234
\s	Khoảng trắng	gregexpr(pattern ='\s', text)	' '
\S	Ký tự không phải khoảng trắng	gregexpr(pattern ='\S', text)	word

Hàm	Mục đích	Cú pháp
grep	Tìm các khớp mẫu trong một vector	grep(pattern ='\w', x = <vector>, value = F)
gsub	Thay tất cả lần khớp của chuỗi/vector	gsub(pattern ='\d+', replacement = "", x = <vector>)

Có nhiều tài nguyên trực tuyến để luyện tập biểu thức chính quy. Chúng trình bày chi tiết và có nhiều ví dụ.

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

Nhập môn Xử lý Ngôn ngữ Tự nhiên với R