Aan de slagBegin gratis

Heeeerhaalde tekens

Terug naar je sentimentanalyse! Je volgende taak is om verlengde woorden te vervangen die in de tweets voorkomen. We definiëren een verlengd woord als een woord dat een herhaald teken twee of meer keer bevat, bijv. "Gaaaaf".

Het vervangen van zulke woorden is belangrijk, omdat een classifier ze anders als een andere term dan de bronwoorden behandelt, waardoor hun frequentie lager wordt.

Om ze te vinden, gebruik je capturegroepen en verwijs je er met nummers naar terug, bijvoorbeeld \4.

Als je een match wilt vinden voor Awesoooome, moet je eerst Awes vastleggen. Match daarna o en verwijs naar hetzelfde teken terug, en dan me.

De lijst sentiment_analysis, met de tekst van drie tweets, en de module re zijn in je sessie geladen. Je kunt print() gebruiken om de data in de IPython Shell te bekijken.

Deze oefening maakt deel uit van de cursus

Regular expressions in Python

Bekijk cursus

Oefeninstructies

  • Maak de reguliere expressie af om een verlengd woord te matchen zoals beschreven.
  • Doorzoek de elementen in de lijst sentiment_analysis om te bepalen of ze verlengde woorden bevatten. Ken het resultaat toe aan match_elongated.
  • Ken groepsnummer nul (de volledige match) toe aan de variabele elongated_word.
  • Print het resultaat in de variabele elongated_word.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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")
Code bewerken en uitvoeren