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.

Getting to know glue

Stop pasting, start gluing

Gluing data frames

How many arguments can glue take?

Collapsing multiple elements into a string

Formulating a question from a list

Collapsing data frames

Glue and Collapse, what's the difference?

Gluing regular expressions

Construct "or patterns" with glue

Using the "or pattern" with a larger dataset

Make advanced patterns more readable

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.

Capire le distanze tra stringhe

Calcolare una distanza tra stringhe

Trovare una corrispondenza per un errore di digitazione

Metodi per le distanze tra stringhe

Metodi

Distanze di edit

Metodi q-gram

Distanze di edit vs. metodi q-gram

Provare metodi diversi

Una distanza è migliore dell’altra?

Join fuzzy

Eseguire un join basato sulla distanza tra stringhe

Distanze tra stringhe molto corte

Fuzzy matching personalizzato

Trovare corrispondenze basate su due condizioni

Perché fare il join su più colonne?

Congratulazioni

Similarities Between Strings

Analizzare dati organizzati in tabelle è divertente. Ma cosa succede se ciò che ti interessa di più non è disponibile come un insieme di dati ben ordinato, bensì come semplice testo? Niente panico: in questo corso imparerai tutto ciò che ti serve per creare potenti espressioni regolari che ti aiuteranno a trovare tutte le informazioni necessarie alle tue analisi partendo da un blocco di testo. E non solo. Grazie al concetto di distanza tra stringhe, imparerai a lavorare anche con testi che contengono refusi o errori di scansione, perché potrai abbinarli ai corrispondenti corretti provenienti da altre fonti di dati (record linkage). Come materiale didattico, analizzeremo documenti reali sui dati del botteghino dei cinema svizzeri.

Introduction to the Tidyverse

String Manipulation with stringr in R

Impara a manipolare dati testuali, analizzarli e creare espressioni regolari potenti in R.

Espressioni regolari intermedie in R

Manipola i dati di testo, analizzali e molto altro ancora imparando a usare le espressioni regolari e le distanze tra stringhe in R.

Perché fare il join su più colonne?

Espressioni regolari intermedie in R

Esercizio pratico interattivo