ÎncepețiÎncepe gratuit

Caractereee repetate

Înapoi la analiza de sentiment! Următoarea ta sarcină este să înlocuiești cuvintele prelungite care apar în tweet-uri. Definim un cuvânt prelungit ca un cuvânt ce conține un caracter repetat de două sau mai multe ori. De exemplu: "Awesoooome".

Înlocuirea acestor cuvinte este foarte importantă, deoarece un clasificator le va trata ca termeni diferiți față de cuvintele originale, reducându-le frecvența.

Pentru a le identifica, vei folosi grupuri de captare și le vei referenția înapoi folosind numere. De ex. \4.

Dacă vrei să găsești o potrivire pentru Awesoooome, trebuie mai întâi să capturezi Awes. Apoi, potrivești o și referențiezi același caracter înapoi, iar după aceea, me.

Lista sentiment_analysis, care conține textul a trei tweet-uri, și modulul re sunt încărcate în sesiunea ta. Poți folosi print() pentru a vizualiza datele în Shell-ul IPython.

Acest exercițiu face parte din cursul

Expresii regulate în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Completează expresia regulată pentru a potrivi un cuvânt prelungit, conform descrierii.
  • Caută elementele din lista sentiment_analysis pentru a verifica dacă acestea conțin cuvinte prelungite. Atribuie rezultatul variabilei match_elongated.
  • Atribuie grupul capturat numărul zero variabilei elongated_word.
  • Afișează rezultatul conținut în variabila elongated_word.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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")
Editează și rulează codul