Regular expressions can be pretty intimidating at first as they contain vast amounts of special characters. In this chapter, you'll learn to decipher these and write your own patterns to find exactly what you're looking for.

Welcome

Starts with, ends with

If you don't know what you're looking for

Character classes and repetitions

Digits, words and spaces

Match repetitions

Which special character did what again?

The pipe and the question mark

This or that

The question mark and its two meanings

You can now read this!

Regular Expressions: Writing Custom Patterns

In this chapter, we will slightly move away from regular expressions and focus on string manipulation by creating strings from other data structures like vectors or lists.

glue kennenlernen

Nicht mehr pasten, sondern gluen

Data Frames zusammenkleben

Wie viele Argumente kann glue annehmen?

Mehrere Elemente zu einem String zusammenfassen

Eine Frage aus einer Liste formulieren

Data Frames zusammenfassen

Glue und Collapse – wo liegt der Unterschied?

Reguläre Ausdrücke zusammenkleben

Erzeuge „oder“-Muster mit glue

Das „oder“-Muster mit einem größeren Datensatz verwenden

Komplexe Muster lesbarer machen

Creating Strings with Data

One task where regular expressions really shine is making sense from a blob of text. In this chapter, you'll learn to extract the information from messy data that doesn't come in neatly arranged tables but in plain text.

Capturing groups

Match all capturing groups

Search and replace

Can you nest capturing groups?

tidyr's extract

Creating a regex that matches your needs

Why does this fail?

Extracting an advanced regular expression

Extracting matches and surroundings from a text

Extract names with context

So many special characters

Extracting Structured Data From Text

In the last chapter, we will shift gears away from regular expressions to understanding string distances. By calculating the differences of multiple strings, we can match those that are similar. This will help us to find duplicates even when they contain small errors like typos. This is an important part to record linkage where we combine datasets from multiple sources.

Understanding string distances

Calculating a string distance

Finding a match to a search typo

Methods of string distances

Edit distances vs. q-gram methods

Trying out different methods

Is one distance better than the other?

Fuzzy joins

Performing a string distance join

String distances of short strings

Custom Fuzzy Matching

Finding matches based on two conditions

Why join on multiple columns?

Congratulations

Similarities Between Strings

Daten zu analysieren, die in Tabellen vorliegen, macht Spaß. Aber was, wenn das Spannendste nicht als ordentlich organisierter Datensatz vorliegt, sondern als reiner Text? Kein Grund zur Sorge: In diesem Kurs lernst du alles, was du brauchst, um leistungsstarke reguläre Ausdrücke zu erstellen, mit denen du alle Informationen findest, die du für deine Analysen brauchst – selbst aus einem Textblock. Und nicht nur das. Mithilfe von String-Distanzen lernst du, auch mit Text zu arbeiten, der Tippfehler oder Scanfehler enthält, da du ihn seinen korrekten Entsprechungen aus anderen Datenquellen zuordnen kannst (Record Linkage). Als Lernmaterial analysieren wir reale Dokumente zu Kinoeinspielergebnissen in der Schweiz.

Introduction to the Tidyverse

String Manipulation with stringr in R

Lernen Sie, Textdaten zu manipulieren, Fehler zu analysieren und mit regulären Ausdrücken in R umzugehen.

Fortgeschrittene Reguläre Ausdrücke in R

Dieser Kurs zeigt dir anhand authentischer Datensätze, wie du Textdaten bearbeitest, analysierst und mehr.

Glue und Collapse – wo liegt der Unterschied?

Interaktive praktische Übung