数据挖掘工作所需技能—正则表达式

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