《Python自然语言处理》第02章-Python基础.pptVIP

匹配字符串 例3:使用正则表达式匹配起始字符串和结尾字符串。 符号 含义 ^ 匹配开始的字符串 $ 匹配结尾的字符串 为了方便理解，对上表做个解释： 符号 含义 ^a 匹配所有以字母a开头的字符串 a$ 匹配所有以字母a结尾的字符串 匹配字符串 接下来以上述字符串为例，具体演示如何查找以“情感”这两个字作为开头的句子： import re text_string=在自然语言处理当中，情感分析是一段文字表达的情绪状态。其中，一段文本可以是一个句子、一个段落或者一个文档。情绪状态可以是划分为两类，例如正面、负面，喜悦、忧伤；也可以是三类，例如积极、中性、消极等。情感分析被应用在大量的在线服务中，例如，电子商务，像淘宝、京东；公共服务，像携程、去哪儿网；以及电影评价，例如豆瓣和欧美的IMDB等。 regex=^情感 p_string=text_string.split(。) for line in p_string: if re.search(regex,line) is not None: print(line) 匹配字符串 例4: 使用正则表达式匹配多个字符 符号 含义 [] 匹配多个字符 为了便于理解，举以下实例作为解释 符号 含义 [bcr]at 匹配“bat”“cat”以及“rat” 匹配字符串 需要实现的功能是：提取以[重要的]或者[紧要的]开头的新闻标题。具体实现的Python代码如下所示： import re text_string=[[重要的]隆重举行庆祝第36个教师节暨表彰大会,辽宁科技学院举行“弘扬抗疫精神 立志成才报国”主题升旗仪式。,[紧要的]各大高校召开2020年秋季教学工作会议] regex=^\[[重紧]..\] for line in text_string: if re.search(regex,line)is not None: print(line) else: print(not match) 正则表达式在自然语言处理的基本应用 0 2 使用转义符 “\”在正则表达式中作为转义字符 假设需要对文本中的字符“\”进行匹配，正则表达式可以使用r“\”去表示。同理，r“\d”表示的是匹配一个数字的“\d”。 r”\”与”\\\\”的效果是一样的。 Python的原生字符串的存在可以解决很多问题，比如检查是否漏写了反斜杠以及查看反斜杠是否匹配，表达式的书写也比较直观。 使用转义符 举个具体的实例进行说明，如下所示： import re if re.search(r\\,you are b\eautiful)is not None: print(match it) else: print(not match) 使用正则表达式可以实现对字符串”you are b\eautiful”当中的反斜杠进行匹配 正则表达式在自然语言处理的基本应用 0 2 抽取文本中的数字 1.通过正则表达式匹配年份 import re year_strings=[] strings=[October 2, 2018,On May 2, 2020, I was awarded the Best Individual Award, 342 students chose to take the postgraduate entrance examination this year] for string in strings: if re.search([1-2][0-9]{3},string): #字符串有英文有数字，匹配其中的数字部分，并且是在1000~2999之间，{3}代表的是重复之前的[0-9]三次，是[0-9][0-9][0-9]的简化写法。 year_strings.append(string) print(year_strings) 结果：[October 2, 2018, On May 2, 2020, I was awarded the Best Individual Award] 抽取文本中的数字 2.抽取所有的年份 在Python当中,模块re当中还有另外一个方法findall()，该方法的功能是返回所有与正则表达式匹配的部分字符串。举个例子，re.findall(“[a-z]”，“ksh468”)返回的结果是[“k”，“s”，“h”]。 抽取文本中的数字 2.抽取所有的年份 import re years_string=I got a bachelors degree in 2008, and I graduated with a masters degree in 2011 years=re.