数据分析Task3--论文代码统计

任务：

论文代码统计，统计所有论文出现代码的相关统计；

使用正则表达式统计代码连接、页数和图表数据；

 

数据处理步骤：

在原始arxiv数据集中作者经常会在论文的comments或abstract字段中给出具体的代码链接，所以我们需要从这些字段里面找出代码的链接。

确定数据出现的位置；

使用正则表达式完成匹配；

完成相关的统计；

 

正则表达式：

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

 

具体代码实现：

首先统计论文页数，也就是在comments字段中抽取pages和figures和个