正则表达式在NLP中应用

正则表达式是一种定义了搜索模式的特征序列  ，用于字符串的模式匹配。

它的作用有两个： （1） 将文档内容从非结构化转为结构化 ， 以便文本挖掘

　　　　　　 （2） 去除“噪声”（即 文本片段中，与文本无关的文字信息和最终输出）

1. 匹配字符串

re.search(regex,string )     检查string字符串是否匹配正则表达式 regex

例1   获取包含“xx”的关键字的句子

import re
    text_string=‘     ‘
    regex=‘xx‘
    p_string=text_string.split(" ")  #通过  拆分
    for line in p_string:
        if re.search(regex,line) is not None:  #search查询匹配regex
            print(line)