[자연어 처리]한국어 전처리 re

import re

re.sub('[0-9]+', 'num', '1 2 3 4 hello')    # 숫자만 찾아서 num으로 바꿈

• re.sub('패턴', '바꿀문자열', '문자열', 바꿀횟수)로 간단한 문자열 차환이 가능하지만, re.complie()을 쓰면 반복되는 작업을 한번에 처리할 수 있다. 

# 임의의 한 개의 문자를 나타내는 . 
r = re.compile("a.c")
r.search("abc")

 

# ? 앞의 문자가 존재할 수도 있고, 존재하지 않을 수도 있는 경우
r = re.compile("a?c")

# * 은 바로 앞의 문자가 0개 이상일 경우를 나타냄.
r = re.compile("ab*c") # b 가 하나도 없거나, 여러 개인 경우''


# + 앞의 문자가 최소 1개 이상 있어야 함. 
r = re.compile("ab+c")

# ^ 시작되는 글자를 지정함. 
r = re.compile("^a")

# 앞 문자를 해당 숫자만큼 반복해야 함.
r = re.compile("ab{2}c")

# 앞 문자를 숫자1 이상 숫자2 이하 만큼 반복해야 함.
r = re.compile("ab{2,8}c")

# 앞 문자를 숫자 이상 만큼 반복해야 함.
r = re.compile("a{2,}bc")

# [] 안에 있는 문자들 중 한 개의 문자와 매치
# 범위를 지정할 수도 있음. 예) a-z, A-Z, 0-9
r = re.compile('[abc]')

# ^기호 뒤에 붙은 문자들을 제외한 모든 문자를 매치함.
r = re.compile("[^abc]") # abc 제외 모든 문자