用正則表達式提取文本字符串

Question

我有一大組數據，我需要使用開放式精化進行清理。 我用正則表達式很糟糕，我不能想辦法來得到我想要的東西， 這是提取引號之間的文本字符串包含了很多特殊字符，如「'/ \＃@ - 在每個單元中，它具有相同的格式

標題 '：u'text我想提取'，u'likes'！

任何幫助將高度讚賞

Answer 1

如果你想提取包含大量特殊字符的文本字符串，位於引號之間' '，你可以做到這一點，一般是這樣的：

\'[\S\s]*?\' 

Demo

。

在你的情況，如果你想從這個只提取內側報價：caption': u'text I want to extract', u'likes':，試試這個正則表達式：

(?<=u\')[\V]*?(?=\'\,) 

Demo

Answer 2

我們設計OpenRefine與一些智能功能來處理常見情況如你的而不使用正則表達式。

另外兩種很酷的方法可以在OpenRefine中處理這個問題。

1. 使用下拉菜單：
   • 編輯列
   • 分割成若干列
     • 通過分離器分離
       
       

2. 使用smartSplit （字符串s，可選字符串SEP）

   回報：陣列

   返回由分裂s的分離器SEP獲得字符串的數組。正確處理引號。猜測選項卡或逗號分隔符如果沒有給出「sep」。

   value.smartSplit("'")[2]