正则表达式和文本挖掘（Text Mining）

在进行文本挖掘时，TSQL中的通配符（Wildchar）显得功能不足，这时，使用“CLR+正则表达式”是非常不错的选择，正则表达式看似非常复杂，但，万变不离其宗，熟练掌握正则表达式的元数据，就能熟练和灵活使用正则表达式完成复杂的Text Mining工作。 

一，正则表达式的特殊字符

1，常用元字符

用以匹配特定的字符（字母，数字，符号），注意字母是区分大小写的：

• . ：匹配除换行符以外的任意字符
• \w ：匹配字母或数字或下划线或汉字
• \s ：匹配任意的空白符
• \d ：匹配数字
• \b ：匹配单词的开始或结束
• ^ ：匹配字符串的开始
• $ ：匹配字符串的结束
• \k ：引用分组名，例如:\k<group_name>，表示引用名字为group_name的分组
• \group_number：group_number是分组的组号，1，2，3等，表示通过组号引用分组

2，重复字符或分组

指定前面一个字符或分组重复的次数：

• * ：重复零次或更多次
• + ：重复一次或更多次
• ? ：重复零次或一次
• {n} ：重复n次
• {n,}

  网友评论