standford NLP课程笔记一 正则表达式

课程地址

https://www.coursera.org/course/nlp

​记得以前在网页上查正则表达式时，总是被那些归纳总结的表看到头昏压花，今天学了视频课程，感觉学到好多，至少很基本的东西是知道了一些，自己能读写简单的正则表达式了。

[] 里面的字符表示每个都可以，比如

[wW]oodchuck 可以表示woodchuck和Woodchuck

​ [1234567890]表示任何单个数字

表示范围的-

[A-Z]表示所有大写字母

[a-z]表示所有小写字母

[0-9]表示所有单个数字

表示否定的^

[^A-Z]不要大写的字母

[^a-z]不要小写的字母

[^ae]不要a也不要e​

[^e^]不要e也不要^,这里第二个^就表示字符^

a^b​  没讲？？？

表示或者 |

groundhog|woodchuck表示​要么是groundhog 要么是woodchuck

a|b|c与[abc]意思一样，都表示要么是a要么是b要么是c

[gG]roundhog|[wW]oodchuck表示​groundhog，Groundhog，woodchuck，Woodchuck

? 表示前一个字符可有可没有

colou?r表示colour和color​

* 表示前一个字符可以有0个或多个

oo*h表示oh,ooh,oooh,ooooh等​

+表示前一个字符可以有1个或多个

o+h表示​oh,ooh,oooh,ooooh等​

.表示任意字符​

​ beg.n表示begin,begun,beg3n等

表示打头^（注意与表示否定的格式区别）

^[A-Z]以大写字母打头​

^[a-z]以小写字母打头​

^[^A-Za-z]以非字母打头

表示 结尾$

\.$ 以句号.结尾，由于.是一个特殊字符，因此前面加上斜杠表示该字符

.$ 以任意字符结尾​

测试

Which of the following common spelling of Britney Spear's first name are not covered in this regular expression:brit*[ea]?ne?y

britney

brittney

britany

britiney

答案是第四个

选中文本中的定冠词the和The

[^A-Za-z]​[tT]he[^A-Za-z]​

使用正则表达式时会有两种错误

1 匹配到了，但是匹配的是错的(比如本来只想匹配定冠词the，The，结果匹配到了 there,then,other)

false positive​s

2 应该匹配到，但没匹配到​(比如应该匹配到定冠词the，The,但没有匹配到The)

​false negtives

第一个词true和false表示对还是错，就是本次操作的结果是对的还是错的，上面​的两种错误都是false

第二个词positive和negtive表示是匹配到了还是没匹配到

NLP里面也会有类似的错误

提高准确率->降低false positives

提高召回率->降低false negative​s