Notions de base des expressions régulières

Introduction au traitement automatique des langues en R

Kasey Jones

Research Data Scientist

Qu'est-ce que le traitement du langage naturel ?

NLP :

Sujets traités :

Suite de caractères pour rechercher dans du texte
Exemples :
- rechercher des fichiers dans un répertoire en ligne de commande
- trouver des articles contenant un motif précis
- remplacer un texte donné
- …

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"

Motif	Correspondances dans le texte	Exemple R	Exemple texte
\w	Alphanumérique	gregexpr(pattern ='\w', <text>)	a
\d	Chiffre	gregexpr(pattern ='\d', text)	1
\w+	Alphanumérique de toute longueur	gregexpr(pattern ='\w+', text)	mot
\d+	Chiffres de toute longueur	gregexpr(pattern ='\d+', text)	1234
\s	Espaces	gregexpr(pattern ='\s', text)	' '
\S	Tout sauf un espace	gregexpr(pattern ='\S', text)	mot

Fonction	Rôle	Syntaxe
grep	Trouver les correspondances d'un motif dans un vecteur	grep(pattern ='\w', x = <vector>, value = F)
gsub	Remplacer toutes les correspondances d'une chaîne/vecteur	gsub(pattern ='\d+', replacement = "", x = <vector>)

Il existe plusieurs ressources en ligne pour s'exercer aux expressions régulières. Elles offrent des explications détaillées et de nombreux exemples.

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

Introduction au traitement automatique des langues en R