自然语言处理 实验一：正则表达式的应用

一、实验目的：

1.掌握正则表达式的函数

2.掌握在中文文本中过滤特殊符号、标点符号、英文、数字的方法

二、实验设备及分组

1.PC机或笔记本电脑若干；

2.Window 7及以上版本操作系统；

1. 3.Python 运行环境；

4.安装和配置Anaconda。

三、实验任务及要求：

1. 现有一段文本“广州：51000 深圳：518000 佛山：528000 珠海：519000 东莞：523000”，提取其中的地名和对应邮编，使其一一对应。
2. 现有一段网页标签“<meta name="description"content="京东JD.COM-专业的综合网上购物商城，销售家电、数码通信、电脑、家居百货、服装服饰、母婴、图书、食品等领域数万个品牌优质商品。便捷、诚信的服务为您提供愉悦的网上购物体验! "/>”，需要提取其中的文本内容。
3. 使用正则表达式提“111111@qq.comabcdefg@126.comabc123@163.com”中所有的邮箱号。
4. 将字符串“2022 Happy New Year 2023”进行操作，实现如下功能：

（1）将字符串中的数字提取出来，得到字符串：“2@0@2@2@2@0@2@3”。

（2）将字符串中的数字删除，得到字符串：“Happy New Year”。

四、实验过程及实验步骤：（手写完成：要求写出实验步骤，要求书写规范，字迹切勿潦草。）

1.现有一段文本“广州：51000 深圳：518000 佛山：528000 珠海：519000 东莞：523000”，提取其中的地名和对应邮编，使其一一对应。

import re
import jieba
text1="广州：51000 深圳：518000 佛山：528000 珠海：519000 东莞：523000"
clean_data=''.join(re.findall('[\u4e00-\u9fa5]',text1))
name=jieba.lcut(clean_data)
post_number=re.findall('\d+',text1)
for i in zip(name,post_number):
    print(i)

2.现有一段网页标签“<meta name="description"content="京东JD.COM-专业的综合网上购物商城，销售家电、数码通信、电脑、家居百货、服装服饰、母婴、图书、食品等领域数万个品牌优质商品。便捷、诚信的服务为您提供愉悦的网上购物体验! "/>”，需要提取其中的文本内容。

text2='<meta name="description"content="京东JD.COM-专业的综合网上购物商城，销售家电、数码通信、电脑、家居百货、服装服饰、母婴、图书、食品等领域数万个品牌优质商品。便捷、诚信的服务为您提供愉悦的网上购物体验! "/>'

text_content=re.sub('[a-zA-Z\d<>""-./=]','',text2)

print(text_content)

 3、使用正则表达式提取“111111@qq.comabcdefg@126.comabc123@163.com”中所有的邮箱号。

text3="111111@qq.comabcdefg@126.comabc123@163.com"

qq=re.findall('[a-z\d].*?m',text3)

print(qq)

 4.（1）将字符串“2022 Happy New Year 2023”进行操作，实现如下功能：将字符串中的数字提取出来，得到字符串：“2@0@2@2@2@0@2@3”。

text4="2022 Happy New Year 2023"

lo=re.findall('\d',text4)

for i in lo:

    print(i,end='@')

  4.（2）将字符串中的数字删除，得到字符串：“Happy New Year

list1=re.sub('[0-9]','',text4)
for i in list1:
    print(i,end='')