프로그래밍 방식으로 regexes를 배우는 방법?

Question

제 질문은 this one의 연속입니다. 기본적으로,과 같이 단어의 테이블이 내 목적을 위해

HAT18178_890909.098070313.1 
HAT18178_890909.098070313.2 
HAT18178_890909.143412462.1 
HAT18178_890909.143412462.2 

, 나는 이름의이 세트 터미널 .1 또는 .2 필요하지 않습니다. 그것은 3 자 수 - 나는 마지막 두 문자는 무시할 수있을 것입니다 곳에 이름의 내 다음 세트는 유사한 구조를 가질 것이라는 점을 보장 할 수 없습니다, 그러나

r = re.compile('(.*\.\d+)\.\d+') 

: 내가 수동으로 (파이썬 구문을 사용하여) 다음과 같은 정규 표현식을 쓸 수 있습니다 (예 : .12) 세퍼레이터도 바뀔 수 있습니다 (즉, .에서 _).

명시 적으로 정규식을 배우거나 불필요한 문자를 확인하는 적절한 방법은 무엇입니까?

Answer 1

영숫자가 아닌 문자로 나눌 수 있습니다. 이 경우에, 당신을 얻을 것이다

[^a-zA-Z0-9']+ 

,이 같은 몇 가지 문자열 : 거기에서 당신에

HAT18178 
890909 
098070313 
1 

은 단순히 필요한 적이없는 경우 마지막 하나를 버리고, 첫 번째 시퀀스를 처리에서 작업을 계속할 수 있습니다

Answer 2

흥미로운 문제입니다.

X         y 
HAT18178_890909.098070313.1  HAT18178_890909.098070313 
HAT18178_890909.098070313.2  HAT18178_890909.098070313 
HAT18178_890909.143412462.1  HAT18178_890909.143412462 
HAT18178_890909.143412462.2  HAT18178_890909.143412462 

문제는 하나의 솔루션 만 많은이되지 않는 것입니다.

인간이라 할지라도 당신이 원하는 정규식이 무엇인지 분명하지 않습니다.

이 데이터를 바탕으로, 나는 배울 수있는 가능성을 생각할 것입니다 : .{25}

고정 첫 번째 부분 : 다음 HAT18178_890909.

:

이

그냥 25의 고정 폭과 일치 각각의 단일 지점에는 2 개의 다양한 숫자가 있습니다 (2 가지 사례를 보여줌). 예. [01] (0 또는 1), [94] 다음 지점 등등은 좋은 해결책이 될 것입니다.

명백한 하나가 될 것

\d+ 그러나 그것은 또한 당신이 볼 \d{9}

수, 여러 정답이있다.

두 번째 점이 밑줄이면 대신이 정규 표현식이 작동합니다.

내 결론 :

문제는 그것이 정규식을 작성하는 것보다 기계 학습에 대한 데이터를 준비하기 위해 더 많은 일이 있다는 것이다.모든 것을 다 커버 할 수 있기를 원한다면, 완전한 데이터를 가져야하므로, 정규 표현식은 아마도 덜 효과적 일 것입니다.