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 alle capture-groepen

Zoeken en vervangen

Kun je capturing groups nesten?

tidyr's extract

Een regex maken die past bij jouw behoeften

Waarom gaat dit mis?

Een geavanceerde reguliere expressie extraheren

Matches en omgeving uit een tekst halen

Namen met context extraheren

Opties

Aangepast patroon

Herhalingen

Zó veel speciale tekens

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

Gegevens analyseren die in tabellen staan is leuk. Maar wat als de dingen die we het interessantst vinden niet beschikbaar zijn als een netjes georganiseerde gegevensset, maar als platte tekst? Geen paniek: in deze cursus leer je alles wat je moet weten om krachtige reguliere expressies te maken waarmee je alle informatie kunt vinden die je nodig hebt voor je analyses, gewoon uit een lap tekst. En dat is niet alles. Met het concept van tekenreeksafstanden leer je ook werken met tekst die typefouten of scanfouten bevat, omdat je die kunt koppelen aan de juiste tegenhangers uit andere databronnen (record linkage). Als oefenmateriaal analyseren we echte documenten over box office-cijfers in Zwitserse bioscopen.

Introduction to the Tidyverse

String Manipulation with stringr in R

Leer tekstgegevens manipuleren, fouten vinden en meer met krachtige reguliere expressies en stringafstanden in R.

Gevorderde reguliere expressies in R

Speel met tekstgegevens, analyseer ze en doe nog veel meer door regelmatige uitdrukkingen en stringafstanden in R onder de knie te krijgen.

Zó veel speciale tekens

Gevorderde reguliere expressies in R

Praktische interactieve oefening