Las expresiones regulares pueden imponer al principio porque incluyen muchos caracteres especiales. En este capítulo aprenderás a descifrarlas y a escribir tus propios patrones para encontrar exactamente lo que buscas.

Bienvenido

Empieza por, termina en

Si no sabes qué estás buscando

Clases de caracteres y repeticiones

Dígitos, palabras y espacios

Coincidir repeticiones

¿Qué hacía cada carácter especial?

La barra vertical y el signo de interrogación

Esto o aquello

El signo de interrogación y sus dos significados

¡Ahora puedes leer esto!

Expresiones regulares: cómo escribir patrones a medida

En este capítulo nos alejaremos un poco de las expresiones regulares y nos centraremos en la manipulación de cadenas creando textos a partir de otras estructuras de datos como vectores o listas.

Conociendo glue

Deja de pegar y empieza a unir

Pegando data frames

¿Cuántos argumentos puede aceptar glue?

Unir varios elementos en una cadena

Formular una pregunta a partir de una lista

Colapsar data frames

Glue y Collapse, ¿cuál es la diferencia?

Uniendo expresiones regulares

Construye patrones "or" con glue

Usar el "patrón OR" con un conjunto de datos más grande

Haz que los patrones avanzados sean más legibles

Crear cadenas a partir de datos

Una tarea en la que las expresiones regulares brillan es convertir un bloque de texto en algo comprensible. En este capítulo aprenderás a extraer información de datos desordenados que no vienen en tablas bien organizadas, sino en texto plano.

Grupos de captura

Haz coincidir todos los grupos de captura

Buscar y reemplazar

¿Puedes anidar grupos de captura?

extract de tidyr

Crear una regex que se ajuste a tus necesidades

¿Por qué falla esto?

Extrayendo una expresión regular avanzada

Extraer coincidencias y contexto de un texto

Extrae nombres con contexto

¡Cuántos caracteres especiales!

Extraer datos estructurados de texto

En el último capítulo cambiaremos de enfoque para entender las distancias entre cadenas. Al calcular las diferencias entre varias cadenas, podemos emparejar aquellas que son similares. Esto nos ayudará a encontrar duplicados incluso cuando contengan pequeños errores como erratas. Es una parte importante del record linkage, donde combinamos conjuntos de datos de múltiples fuentes.

Comprender las distancias entre cadenas

Calcular una distancia entre cadenas

Encontrar una coincidencia para un error tipográfico en la búsqueda

Métodos de distancias entre cadenas

Métodos

Distancias de edición

Métodos de q-gramas

Distancias de edición vs. métodos de q-gramas

Probando distintos métodos

¿Una distancia es mejor que otra?

Uniones difusas

Realizar una unión por distancia de cadenas

Distancias de cadenas en cadenas cortas

Coincidencias difusas personalizadas

Buscar coincidencias basadas en dos condiciones

¿Por qué unir por varias columnas?

¡Enhorabuena!

Similitudes entre cadenas

Analizar datos que vienen en tablas es entretenido. Pero ¿y si lo más interesante no está en un conjunto de datos bien organizado, sino en texto plano? No te preocupes: en este curso aprenderás todo lo necesario para crear expresiones regulares potentes que te ayudarán a encontrar la información que necesitas para tus análisis a partir de un simple bloque de texto. Y no solo eso. Usando el concepto de distancias entre cadenas, aprenderás a trabajar incluso con texto que contiene erratas o errores de escaneo, ya que podrás vincularlo con sus equivalentes correctos de otras fuentes de datos (record linkage). Como material de aprendizaje, analizaremos documentos reales sobre cifras de taquilla en cines suizos.

Introduction to the Tidyverse

String Manipulation with stringr in R

Aprende a manipular datos de texto, analizar errores y más creando expresiones regulares en R.

Expresiones regulares intermedias en R

Manipula datos de texto, analízalos y mucho más dominando las expresiones regulares y las distancias entre cadenas en R.

¿Por qué unir por varias columnas?

Expresiones regulares intermedias en R

Ejercicio interactivo práctico