始める無料で始める

のび〜る文字

感情分析に戻りましょう。次のタスクは、ツイート内に現れる引き伸ばされた単語を置換することです。ここでは、同じ文字が2回以上連続して現れる単語を引き伸ばされた単語と定義します（例: "Awesoooome"）。

これらの単語を置換するのはとても重要です。なぜなら、分類器は元の単語とは別の用語として扱ってしまい、出現頻度が下がってしまうからです。

それらを見つけるために、キャプチャグループを使い、数字で参照します（例 \4）。

例えば Awesoooome にマッチさせたい場合、まず Awes をキャプチャし、次に o にマッチさせて同じ文字を参照し、その後に me をマッチさせます。

3つのツイート本文を含むリスト sentiment_analysis と、re モジュールはすでに読み込まれています。IPython Shell で print() を使えばデータを確認できます。

この演習はコースの一部です

Pythonで学ぶ正規表現

コースを見る

演習の手順

  • 説明どおり、引き伸ばされた単語にマッチする正規表現を完成させてください。
  • sentiment_analysis リストの各要素を検索し、引き伸ばされた単語が含まれるかを確認しなさい。結果を match_elongated に代入します。
  • キャプチャグループ番号0を変数 elongated_word に代入します。
  • 変数 elongated_word に入っている結果を出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Complete the regex to match an elongated word
regex_elongated = r"____(____)____\w*"

for tweet in sentiment_analysis:
	# Find if there is a match in each tweet 
	match_elongated = re.____(____, ____)
    
	if match_elongated:
		# Assign the captured group zero 
		elongated_word = match_elongated.____(____)
        
		# Complete the format method to print the word
		print("Elongated word found: {____}".format(word=____))
	else:
		print("No elongated word found")
コードを編集して実行