版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
Python基礎(chǔ)Python自然語言處理第二章CONTENT目錄
01Python開發(fā)環(huán)境的搭建02正則表達(dá)式在自然語言處理中的應(yīng)用03Numpy的詳細(xì)使用方法課前回顧
Anaconda介紹Anaconda的下載與安裝
正則表達(dá)式在自然語言處理的基本應(yīng)用02匹配字符串使用轉(zhuǎn)義符抽取文本中的數(shù)字正則表達(dá)式介紹定義:正則表達(dá)式是一種特征序列,可定義某種搜索模式,其主要的功能是按照模式進(jìn)行字符串的匹配,或者字符的模式匹配。用途:1、可以將這些電子文檔的內(nèi)容從非結(jié)構(gòu)化形式轉(zhuǎn)換為結(jié)構(gòu)化的形式,以便后續(xù)的文本挖掘等工作。2、去除“噪聲”?!霸肼暋爸傅氖窃谶M(jìn)行大批量的文本片段處理時,有非常多與最終輸出文本沒有關(guān)系的文字信息。在眾多處理自然語言的手段之中。正則表達(dá)式是最基本的,也是比較好用的手段之一,正確地學(xué)習(xí)并且熟練地掌握正則表達(dá)式在Python編程當(dāng)中的應(yīng)用,可以幫助我們在格式較為復(fù)雜的文本中抽取所需的文本信息。匹配字符串在Python程序設(shè)計當(dāng)中,正則表達(dá)式是通過re模塊來實(shí)現(xiàn)的。在各個實(shí)例當(dāng)中,會使用到re模塊當(dāng)中的一個方法—re.search(regex,string)。該方法通過檢查字符串string當(dāng)中是否存在正則表達(dá)式regex。如果存在并且成功匹配,則表達(dá)式會返回一個match對象;否則,表達(dá)式返回None。匹配字符串以下為一段文字信息,句子與句子之間均以句號分開。具體的文本信息如下所示:在自然語言處理當(dāng)中,情感分析是一段文字表達(dá)的情緒狀態(tài)。其中,一段文本可以是一個句子、一個段落或者一個文檔。情緒狀態(tài)可以是劃分為兩類,例如正面、負(fù)面,喜悅、憂傷;也可以是三類,例如積極、中性、消極等。情感分析被應(yīng)用在大量的在線服務(wù)中,例如,電子商務(wù),像淘寶、京東;公共服務(wù),像攜程、去哪兒網(wǎng);以及電影評價,例如豆瓣和歐美的IMDB等。匹配字符串例1:使用正則表達(dá)式提取含有“情感”這個關(guān)鍵字所在的句子。importretext_string="在自然語言處理當(dāng)中,情感分析是一段文字表達(dá)的情緒狀態(tài)。其中,一段文本可以是一個句子、一個段落或者一個文檔。情緒狀態(tài)可以是劃分為兩類,例如正面、負(fù)面,喜悅、憂傷;也可以是三類,例如積極、中性、消極等。情感分析被應(yīng)用在大量的在線服務(wù)中,例如,電子商務(wù),像淘寶、京東;公共服務(wù),像攜程、去哪兒網(wǎng);以及電影評價,例如豆瓣和歐美的IMDB等。"regex="情感"#以句號為分隔符通過spilt切分p_string=text_string.split('。')forlineinp_string:#search方法是用來查找匹配當(dāng)前行是否匹配這個regex,返回的是一個match對象ifre.search(regex,line)isnotNone:#如果匹配到,打印這行信息print(line)匹配字符串Python代碼運(yùn)行輸出的最終效果為:在自然語言處理當(dāng)中,情感分析是一段文字表達(dá)的情緒狀態(tài)情感分析被應(yīng)用在大量的在線服務(wù)中,例如,電子商務(wù),像淘寶、京東;公共服務(wù),像攜程、去哪兒網(wǎng);以及電影評價,例如豆瓣和歐美的IMDB等匹配字符串例2:使用正則表達(dá)式匹配任意一個字符。符號含義.
匹配任意一個字符為了便于理解,舉以下例子進(jìn)行闡述:
正則表達(dá)式可以匹配的例子不能匹配的例子”a.c“"abc","branch""add","crash""..t""bat","oat""it","table"匹配字符串接下來是一個查找“情”字與任意一個字組成的關(guān)鍵字所在的句子的例子:importretext_string="在自然語言處理當(dāng)中,情感分析是一段文字表達(dá)的情緒狀態(tài)。其中,一段文本可以是一個句子、一個段落或者一個文檔。情緒狀態(tài)可以是劃分為兩類,例如正面、負(fù)面,喜悅、憂傷;也可以是三類,例如積極、中性、消極等。情感分析被應(yīng)用在大量的在線服務(wù)中,例如,電子商務(wù),像淘寶、京東;公共服務(wù),像攜程、去哪兒網(wǎng);以及電影評價,例如豆瓣和歐美的IMDB等。"regex="情."p_string=text_string.split('。')forlineinp_string:ifre.search(regex,line)isnotNone:print(line)匹配字符串例3:使用正則表達(dá)式匹配起始字符串和結(jié)尾字符串。符號含義^匹配開始的字符串$匹配結(jié)尾的字符串為了方便理解,對上表做個解釋:符號含義^a匹配所有以字母a開頭的字符串a(chǎn)$匹配所有以字母a結(jié)尾的字符串匹配字符串接下來以上述字符串為例,具體演示如何查找以“情感”這兩個字作為開頭的句子:importretext_string="在自然語言處理當(dāng)中,情感分析是一段文字表達(dá)的情緒狀態(tài)。其中,一段文本可以是一個句子、一個段落或者一個文檔。情緒狀態(tài)可以是劃分為兩類,例如正面、負(fù)面,喜悅、憂傷;也可以是三類,例如積極、中性、消極等。情感分析被應(yīng)用在大量的在線服務(wù)中,例如,電子商務(wù),像淘寶、京東;公共服務(wù),像攜程、去哪兒網(wǎng);以及電影評價,例如豆瓣和歐美的IMDB等。"regex="^情感"p_string=text_string.split('。')forlineinp_string: ifre.search(regex,line)isnotNone: print(line)匹配字符串例4:使用正則表達(dá)式匹配多個字符符號含義[]匹配多個字符為了便于理解,舉以下實(shí)例作為解釋符號含義[bcr]at匹配“bat”“cat”以及“rat”匹配字符串需要實(shí)現(xiàn)的功能是:提取以[重要的]或者[緊要的]開頭的新聞標(biāo)題。具體實(shí)現(xiàn)的Python代碼如下所示:importretext_string=["[重要的]隆重舉行慶祝第36個教師節(jié)暨表彰大會","遼寧科技學(xué)院舉行“弘揚(yáng)抗疫精神立志成才報國”主題升旗儀式。","[緊要的]各大高校召開2020年秋季教學(xué)工作會議"]regex="^\[[重緊]..\]"forlineintext_string:ifre.search(regex,line)isnotNone:print(line)else:print('notmatch')正則表達(dá)式在自然語言處理的基本應(yīng)用02匹配字符串使用轉(zhuǎn)義符抽取文本中的數(shù)字使用轉(zhuǎn)義符“\”在正則表達(dá)式中作為轉(zhuǎn)義字符假設(shè)需要對文本中的字符“\”進(jìn)行匹配,正則表達(dá)式可以使用r“\”去表示。同理,r“\d”表示的是匹配一個數(shù)字的“\d”。r”\”與”\\\\”的效果是一樣的。Python的原生字符串的存在可以解決很多問題,比如檢查是否漏寫了反斜杠以及查看反斜杠是否匹配,表達(dá)式的書寫也比較直觀。使用轉(zhuǎn)義符舉個具體的實(shí)例進(jìn)行說明,如下所示:importreifre.search(r"\\","youareb\eautiful")isnotNone: print("matchit")else: print("notmatch")使用正則表達(dá)式可以實(shí)現(xiàn)對字符串”youareb\eautiful”當(dāng)中的反斜杠進(jìn)行匹配正則表達(dá)式在自然語言處理的基本應(yīng)用02匹配字符串使用轉(zhuǎn)義符抽取文本中的數(shù)字抽取文本中的數(shù)字1.通過正則表達(dá)式匹配年份importreyear_strings=[]strings=['October2,2018','OnMay2,2020,IwasawardedtheBestIndividualAward','342studentschosetotakethepostgraduateentranceexaminationthisyear']forstringinstrings:ifre.search('[1-2][0-9]{3}',string):#字符串有英文有數(shù)字,匹配其中的數(shù)字部分,并且是在1000~2999之間,{3}代表的是重復(fù)之前的[0-9]三次,是[0-9][0-9][0-9]的簡化寫法。 year_strings.append(string)print(year_strings)結(jié)果:['October2,2018','OnMay2,2020,IwasawardedtheBestIndividualAward']抽取文本中的數(shù)字2.抽取所有的年份在Python當(dāng)中,模塊re當(dāng)中還有另外一個方法findall(),該方法的功能是返回所有與正則表達(dá)式匹配的部分字符串。舉個例子,re.findall(“[a-z]”,“ksh468”)返回的結(jié)果是[“k”,“s”,“h”]。抽取文本中的數(shù)字2.抽取所有的年份importreyears
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 農(nóng)村建房工程合同樣本
- 離婚協(xié)議書中教育投資規(guī)劃
- 增強(qiáng)現(xiàn)實(shí)行業(yè)關(guān)聯(lián)交易管理辦法
- 2024年度互聯(lián)網(wǎng)醫(yī)療服務(wù)平臺建設(shè)與運(yùn)營合同
- 城市大型學(xué)校周邊道路改造合同
- 城市綠化景觀養(yǎng)護(hù)施工合同
- 商用面包車出租合同范本
- 科技別墅租賃合同
- 體檢機(jī)構(gòu)醫(yī)師聘用合同模板
- 知識產(chǎn)權(quán)金融服務(wù)指南
- 企業(yè)如何利用新媒體做好宣傳工作課件
- 如何培養(yǎng)孩子的自信心課件
- 中醫(yī)藥膳學(xué)全套課件
- 頸脊髓損傷-匯總課件
- 齒輪故障診斷完美課課件
- 2023年中國鹽業(yè)集團(tuán)有限公司校園招聘筆試題庫及答案解析
- 大班社會《特殊的車輛》課件
- 野生動物保護(hù)知識講座課件
- 早教托育園招商加盟商業(yè)計劃書
- 光色變奏-色彩基礎(chǔ)知識與應(yīng)用課件-高中美術(shù)人美版(2019)選修繪畫
- 前列腺癌的放化療護(hù)理
評論
0/150
提交評論