(KMUTNB 2023-03 :: NLP in python)
- เนื้อหาอยู่ใน Colab Notebook
(เฉพาะที่ใช้บ่อย)
| ประเภท | ตัวกำกับ | ความหมาย |
|---|---|---|
| Character classes | [ABC] | จับตัวอักษรใดตัวอักษรหนึ่งในกลุ่มตัวอักษรนี้ |
| Character classes | [^abc] | จับตัวอักษรใดใดก็ตามที่ไม่อยู่ในกลุ่มตัวอักษรนี้ |
| Character classes | [A-Z] | จับตัวอักษร A-Z เรียงตาม unicode |
| Character classes | \s | ตัวอักษร white space (การเว้นวรรคด้วย space bar) |
| Character classes | \S | ตักอักษรที่ไม่ใช่ white space |
| Character classes | \w | เทียบเท่ากับ [A-Za-z0-9] |
| Character classes | \W | เทียบเท่ากับ [^A-Za-z0-9] |
| Character classes | \d | เทียบเท่ากับ [0-9] |
| Character classes | \D | เทียบเท่ากับ [^0-9] |
| Character classes | . | แทนตัวอักษรใดก็ได้ (wild card character) ยกเว้น \n |
| Anchor | ^ | ขึ้นต้นบรรทัด |
| Anchor | $ | สิ้นสุดบรรทัด |
| Anchor | \b | boundary ระหว่าง word และ non-word character (A-Za-z0-9ก-ฮ_) |
| Escaped characters | \+, \-, \. | ไม่อยากให้ตัวอักษรพิเศษถูกใช้งานเป็นตัวกำกับ เช่น - + ^ $ . |
| Escaped characters | \uFFFF | match ตัวอักษรด้วย unicode, FFFF แทนที่ด้วย unicode |
| Escaped characters | \t | tab |
| Escaped characters | \n | new line |
| Escaped characters | \f | form feed |
| Escaped characters | \r | carriage return |
| Groups and references | (ABC) | จัดตัวอักษรด้านในวงเล็บให้เป็นกลุ่มเดียวกัน (มีผลเวลา match แล้วดึงออกมา) |
| Groups and references | \1, \2 | อ้างอิงถึงกลุ่มที่เคยถูกจัดไว้ด้านหน้า แต่ไม่ได้ตั้งชื่อ เรียงตามลำดับ |
| Groups and references | (?P<name>) | จัดตัวอักษรด้านในวงเล็บให้เป็นกลุ่มเดียวกัน และตั้งชื่อให้ (มีผลเวลา match แล้วดึงออกมา) |
| Groups and references | (?P=name) | อ้างอิงถึงกลุ่มที่เคยถูกจัดไว้ด้านหน้าโดยมีการตั้งชื่อไว้ |
| Groups and references | (?(id/name)yes-pattern|no-pattern) | อ้างอิงถึงกลุ่มที่เคยถูกจัดไว้ด้านหน้าไม่ว่าจะด้วยลำกับหรือชื่อ yes-pattern จะทำงาน หากกลุ่มตัวอักษรด้านหน้าถูกจับไว้ได้ no-pattern จะทำงานเมื่อไม่มีกลุ่มตัวอักษรถูกจับไว้ โดยที่ no-pattern เป็น optional |
| Groups and references | (?:ABC) | จัดกลุ่มตัวอักษรไว้ แต่ไม่ได้ต้องการ match ออกมาเป็นผลลัพธ์ |
| Quantifiers and alternations | | | เงื่อนไข A|B หมายถึง จับ A หรือ B |
| Quantifiers and alternations | + | BA+CK หมายถึงจับ A ตั้งแต่ 1 ตัวขึ้นไป เช่น BACK BAACK BAAACK |
| Quantifiers and alternations | * | BA*CK หมายถึงจับ A ตั้งแต่ 0 ตัวขึ้นไป เช่น BCK BACK BAACK |
| Quantifiers and alternations | ? | BA?CK หมายถึงมี A หรือไม่มี A 1 ตัวนั้น ก็ได้ เช่น BCK BACK แต่ไม่ใช่ BAACK |
| Quantifiers and alternations | +?, *? | Lazy quantifier จับน้อยที่สุดเท่าที่จะจับได้ เช่น BACK BLACK BECK ใช้ B.+CK จะจับ BACK BLACK BECK มาทั้ง 3 คำ แต่ B.+?CK จะจับได้แค่ BACK |
| Quantifiers and alternations | {m} | BA{3}CK จับ A 3 ตัว BAAACK |
| Quantifiers and alternations | {m,n} | BA{1,3}CK จับ A 1-3 ตัว BACK, BAACK, BAAACK หากเลขข้างหน้าไว้ เช่น BA{,7}CK จะจับ A ไม่เกิน 7 ตัว หากเว้นเลขข้างหลังไว้ เช่น BA{4,}CK จะจับตั้งแต่ 4 ตัวขึ้นไป |
| Quantifiers and alternations | {m,n}? | Lazy quantifier จับน้อยที่สุดเท่าที่จะจับได้ |
| Lookaround | (?=ABC) | positive lookahead clean(?=ing) จะจับ clean ที่อยู่ในคำว่า cleaning เท่านั้น |
| Lookaround | (?!ABC) | negative lookahead clean(?!ing) จะจับ clean ที่ไม่มี ing ต่อท้ายเท่านั้น |
| Lookaround | (?<=ABC) | positive lookbehind (?<=pre)process จะจับ process ที่อยู่ในคำว่า preprocess เท่านั้น |
| Lookaround | (?<!...) | negative lookbehind (?<!pre)process จะจับ process ที่ไม่มี pre นำหน้าเท่านั้น |
(เฉพาะที่ใช้บ่อย)
| Flag | ความหมาย |
|---|---|
| re.I, re.IGNORECASE | มอง A-Z กับ a-z เป็นตัวอักษรชุดเดียวกัน |
| re.M, re.MULTILINE | เปลี่ยนพฤติกรรม ^ และ $ ในการมองข้อความหลายบรรทัด |
| re.S, re.DOTALL | . มอง \n เป็นตัวอักษรตัวหนึ่ง |