本篇文章帶給大家的內容是關於web文本資料清洗流程及實例 （實例程式碼），有一定的參考價值，有需要的朋友可以參考一下，希望對你有幫助。
今天，超過80%的資料是非結構化的。文字資料預處理是資料分析前的必經之路。大多數可用的文字資料本質上是高度非結構化和嘈雜的，需要更好的見解或建立更好的演算法來處理資料。
我們知道，社群媒體資料是高度非結構化的，因其非正式的交流，存在包括拼字錯誤、文法不好、俚語的使用、諸如URL、停用詞、表達式等不必要內容。
一個典型的商業問題，假設你感興趣的是：這是iPhone在粉絲中更受歡迎的特質。下面你已經提取了與iPhone相關的消費者意見的一條推特：
下面對這條推特做文字預處理：
1、去掉HTML 字元:
從Web取得的資料通常包含許多HTML實體，如lt；& gt；& &；它嵌入到原始資料中。因此，必須擺脫這些實體。一種方法是透過使用特定的正規表示式直接刪除它們。另一種方法是使用適當的套件和模組（例如Python的HTMLPARSER），它可以將這些實體轉換成標準的HTML標記。例如：& lt；轉換為“
2、解碼資料：
這是將資訊從複雜符號轉換為簡單易懂字元的過程。文字資料可能會受到不同形式的解碼，如“拉丁語”、“UTF8”等。因此，為了更好地分析，有必要保持完整的資料以標準的編碼格式。 UTF-8編碼被廣泛接受並推薦使用。
3、撇號找出：為了避免文本中的任何字詞義消歧，建議在文章中保持適當的結構，並遵守上下文無關文法的規則。當使用撇號時，消歧的機會增加。
For example “it’s is a contraction for it is or it has”.
所有撇號都應該轉換成標準字典。可以使用所有可能的關鍵字的查找表來消除歧義。
4、停用詞的移除：當資料分析需要在字級上進行資料驅動時，應刪除通常出現的單字（停用詞）。透過創建的一個長長的停止詞列表，或者可以使用預先定義的語言特定的庫。
5、刪除標點符號：所有的標點符號應依照優先權來處理。例如：“，”，“，”，“？”“重要標點應該保留，而其他標點需要刪除。
6、刪除表達式：文字資料（通常是語音轉錄）可能包含人類的表達，如[笑]，[哭]，[觀眾暫停]。這些表達式通常與語音內容無關，因此需要刪除。在這種情況下，簡單正則表達式可能是有用的。
7 、分裂的附加詞：人在社交論壇中的生成文本數據，本質上是完全非正式的。大多數推文伴隨著多個附加詞，例如RayyDay. PrimeCythOrth.等，這些實體可以用簡單的規則和正規表示式分裂成它們的正常形式.
8、俚語查找：同樣，社交媒體包括大多數俚語詞彙。這些詞應該轉換成標準詞來製作自由文本。像LUV這樣的詞將被轉換成愛，Helo到Hello。撇號查找的類似方法可以用來將俚語轉換成標準詞。網上有大量的信息源，它提供了所有可能的俚語的列表，可以用它們作為查找字典來進行轉換。
9、規範字：有時字的格式不正確。例如：「I looooveee you」應為「I love you」。簡單的規則和正規表示式可以幫助解決這些情況。
10、刪除URL：應刪除文字資料中的URL和超鏈接，如評論、評論和推文。
以上就是對web文本資料清洗流程及實例（實例代碼）的全部介紹，如果您想了解更多有關HTML視頻教程，請關注PHP中文網。
以上是web文本資料清洗流程及實例 （實例代碼）的詳細內容。更多資訊請關注PHP中文網其他相關文章！
