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.

Découvrir glue

Arrêtez de coller, commencez à « glue »

Assembler des data frames

Combien d’arguments glue peut-il accepter ?

Fusionner plusieurs éléments en une chaîne

Formuler une question à partir d’une liste

Fusionner des data frames en une chaîne

Glue et Collapse : quelle différence ?

Assembler des expressions régulières

Construire des « motifs OR » avec glue

Utiliser le « or pattern » avec un jeu de données plus large

Rendre des motifs avancés plus lisibles

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

Analyser des données sous forme de tableaux, c’est agréable. Mais que faire si ce qui vous intéresse le plus ne se présente pas comme un jeu de données bien structuré, mais sous forme de texte brut ? Pas de panique : dans ce cours, vous apprendrez tout ce qu’il faut pour créer des expressions régulières puissantes qui vous permettront de retrouver toutes les informations nécessaires à vos analyses à partir d’un simple bloc de texte. Et ce n’est pas tout. Grâce au concept de distance entre chaînes, vous apprendrez à travailler avec du texte contenant des fautes de frappe ou des erreurs de numérisation, en pouvant les faire correspondre à leurs équivalents corrects issus d’autres sources de données (rattachement d’enregistrements). Comme support d’apprentissage, nous analyserons de vrais documents sur les chiffres du box-office dans les cinémas suisses.

Introduction to the Tidyverse

String Manipulation with stringr in R

Apprenez à manipuler et analyser des textes, identifier les erreurs avec des expressions régulières en R.

Expressions régulières intermédiaires en R

Manipulez des données textuelles, analysez-les et bien plus en maîtrisant les expressions régulières et les distances entre chaînes dans R.

Combien d’arguments glue peut-il accepter ?

Exercice interactif pratique