由于这两天所做的项目涉及到了文本分析的内容,并在处理脏乱文本(就是做一个词云图,要把英文、一些标点符号之类的给清除掉)时使用了正则表达式,所以特别来总结下。在以后的一段日子里,我会尽量总结在每周工作中遇到的知识点,一是为了让还在转行路上的朋友了解下实际的工作涉及的内容,二是为了巩固自己学习到的知识。
正则表达式
正则表达式(regular expression),简单的理解为是由一些字符和特殊符号组成的字符串,并且能够按照某种模式匹配一系列有相似特征的字符串。
使用择一匹配符号匹配多个正则表达式模式
- 择一匹配的管道符号(|),表示一个“从多个模式中选择其一”
匹配任意单个字符
-
点号或者句点(.)符号匹配除了换行符\n以外的任何字符。
-
要显示匹配一个句点符号本身,必须使用反斜线转移句点符号的功能,例如"\."
创建字符集
- 方括