Reguljära uttryck kan verka överväldigande till en början, med alla sina specialtecken. I det här kapitlet lär du dig att tolka dem och skriva egna mönster för att hitta exakt det du söker efter.

Välkommen

Börjar med, slutar med

När du inte vet vad du letar efter

Teckenklasser och repetitioner

Siffror, ord och mellanslag

Matcha repetitioner

Vad gör specialtecknen igen?

Pipe-tecknet och frågetecknet

Det ena eller det andra

Frågetecknet och dess två betydelser

Nu kan du läsa det här!

Reguljära uttryck: Skriv egna mönster

I det här kapitlet går vi delvis bort från reguljära uttryck och fokuserar i stället på strängmanipulering – vi skapar strängar från andra datastrukturer som vektorer och listor.

Lär känna glue

Sluta klistra, börja limma

Klistra ihop dataramer

Hur många argument kan glue ta?

Sammanfoga flera element till en sträng

Formulera en fråga från en lista

Kollapsning av dataramar

glue och collapse – vad är skillnaden?

Kombinera reguljära uttryck med glue

Skapa "eller-mönster" med glue

Använda "eller-mönstret" med ett större dataset

Gör avancerade mönster mer läsbara

Skapa strängar med data

Reguljära uttryck är särskilt kraftfulla när det gäller att skapa ordning i ostrukturerad text. I det här kapitlet lär du dig att extrahera information från rörig data som inte är snyggt ordnad i tabeller, utan som förekommer i ren text.

Fångstgrupper

Matcha alla infångningsgrupper

Sök och ersätt

Kan man nästla infångningsgrupper?

tidyr:s extract

Skapa ett regex som passar dina behov

Varför misslyckas det här?

Extrahera ett avancerat reguljärt uttryck

Extrahera träffar och omgivningar från en text

Extrahera namn med kontext

Alternativ

Infångningsgrupper

Anpassat mönster

Repetitioner

Så många specialtecken

Extrahera strukturerad data från text

I det sista kapitlet lämnar vi reguljära uttryck och fokuserar på strängavstånd. Genom att beräkna skillnader mellan strängar kan vi matcha dem som liknar varandra – vilket gör det möjligt att hitta dubbletter även när de innehåller små fel som stavfel. Det här är en viktig del av postlänkning, där vi kombinerar datamängder från flera olika källor.

Förstå strängavstånd

Beräkna ett strängramstånd

Hitta en matchning trots ett skrivfel

Metoder för strängavstånd

Redigeringsavstånd vs. q-gram-metoder

Testa olika metoder

Är ett avståndsmått bättre än det andra?

Fuzzy joins

Utföra en join med strängavstånd

Strängavstånd för korta strängar

Anpassad suddig matchning

Hitta matchningar baserade på två villkor

Varför joina på flera kolumner?

Grattis

Likheter mellan strängar

Att analysera data i tabellform är givande. Men vad händer när det mest intressanta inte finns i välorganiserade datamängder, utan i ren text? Ingen fara: I den här kursen lär du dig allt du behöver för att skapa kraftfulla reguljära uttryck som hjälper dig att hitta all information du behöver i ett textblock. Dessutom lär du dig att arbeta med text som innehåller stavfel eller skanningsfel – med hjälp av strängavstånd kan du matcha sådan text mot rätt poster i andra datakällor (postlänkning). Som kursmaterial analyserar vi verkliga dokument om biljettintäkter från schweiziska biografer.

Introduction to the Tidyverse

String Manipulation with stringr in R

Lär dig manipulera textdata, analysera och identifiera fel med kraftfulla reguljära uttryck i R.

Reguljära uttryck på mellannivå i R

Manipulera textdata, analysera den och mer genom att bemästra reguljära uttryck och strängavstånd i R.

Så många specialtecken

Reguljära uttryck på mellannivå i R

Interaktiv övning med praktiskt arbete