Захоплення шаблону токена

Аналіз тональності в Python

Violeta Misheva

Data Scientist

Оператори та порівняння рядків

# Checks if a string is composed only of letters  
my_string.isalpha()

# Checks if a string is composed only of digits 
my_string.isdigit()

# Checks if a string is composed only of alphanumeric characters
my_string.isalnum()

# Original word tokenization
word_tokens = [word_tokenize(review) for review in reviews.review]

# Keeping only tokens composed of letters
cleaned_tokens = [[word for word in item if word.isalpha()] for item in word_tokens]

len(word_tokens[0])

len(cleaned_tokens[0])

import re

my_string = '#Wonderfulday'
# Extract #, followed by any letter, small or capital
x = re.search('#[A-Za-z]', my_string)

x
<re.Match object; span=(0, 2), match='#W'>

# Default token pattern in CountVectorizer
'\b\w\w+\b'

# Specify a particular token pattern
CountVectorizer(token_pattern=r'\b[^\d\W][^\d\W]+\b')

Аналіз тональності в Python