Reguläre Ausdrücke können anfangs ziemlich einschüchternd wirken, weil sie viele Sonderzeichen enthalten. In diesem Kapitel lernst du, diese zu entschlüsseln und eigene Muster zu schreiben, um genau das zu finden, wonach du suchst.

Willkommen

Beginnt mit, endet mit

Wenn du nicht genau weißt, wonach du suchst

Zeichenklassen und Wiederholungen

Ziffern, Wörter und Leerzeichen

Wiederholungen matchen

Welches Sonderzeichen konnte nochmal was?

Die Pipe und das Fragezeichen

Entweder oder

Das Fragezeichen und seine zwei Bedeutungen

Das kannst du jetzt lesen!

Reguläre Ausdrücke: Eigene Muster schreiben

In diesem Kapitel entfernen wir uns ein wenig von regulären Ausdrücken und konzentrieren uns auf String-Manipulation, indem wir Zeichenketten aus anderen Datenstrukturen wie Vektoren oder Listen erstellen.

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

Zeichenketten aus Daten erstellen

Eine Aufgabe, in der reguläre Ausdrücke besonders glänzen, ist, aus einem Textblock Sinn zu gewinnen. In diesem Kapitel lernst du, Informationen aus unübersichtlichen Daten zu extrahieren, die nicht in sauber angeordneten Tabellen vorliegen, sondern als reiner Text.

Capturing Groups

Alle Capturing Groups abgleichen

Suchen und Ersetzen

Kannst du Capturing-Groups schachteln?

tidyrs extract()

Eine Regex erstellen, die zu deinen Anforderungen passt

Warum schlägt das fehl?

Eine fortgeschrittene Regular Expression extrahieren

Treffer und Umgebung aus einem Text extrahieren

Namen mit Kontext extrahieren

Optionen

Eigene Muster

Wiederholungen

So viele Sonderzeichen

Strukturierte Daten aus Text extrahieren

Im letzten Kapitel wechseln wir den Fokus von regulären Ausdrücken hin zu String-Distanzen. Indem wir die Unterschiede zwischen mehreren Zeichenketten berechnen, können wir ähnliche zueinander in Beziehung setzen. Das hilft uns, Duplikate zu finden, selbst wenn sie kleine Fehler wie Tippfehler enthalten. Das ist ein wichtiger Teil des Record Linkage, bei dem wir Datensätze aus mehreren Quellen zusammenführen.

String-Distanzen verstehen

Eine Zeichenketten-Distanz berechnen

Einen Tippfehler in der Suche passend zuordnen

Methoden der Zeichenketten-Distanzen

Edit-Distanzen vs. Q-Gram-Methoden

Verschiedene Methoden ausprobieren

Ist eine Distanz besser als die andere?

Fuzzy Joins

Einen Join mit String-Distanz durchführen

String-Distanzen bei kurzen Strings

Individuelles Fuzzy Matching

Übereinstimmungen anhand von zwei Bedingungen finden

Warum über mehrere Spalten verknüpfen?

Glückwunsch

Ähnlichkeiten zwischen Zeichenketten

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.

Data Journalist

Extracting matches and surroundings from a text

Mentions of a company name

Punctuation

Let's practice!

Strukturierte Daten aus Text extrahieren - Treffer und Umgebung aus einem Text extrahieren

Treffer und Umgebung aus einem Text extrahieren

Create Your Free Account