今天，超過80%的數據是非結構化的。文本數據預處理是數據分析前的必經之路。大多數可用的文本數據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算法來處理數據。

我們知道，社交媒體數據是高度非結構化的，因其非正式的交流，存在包括拼寫錯誤、語法不好、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點。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本預處理：

1、去掉HTML 字符:

從Web獲得的數據通常包含許多HTML實體，如lt；& gt；& &；它嵌入到原始數據中。因此，必須擺脫這些實體。一種方法是通過使用特定的正則表達式直接刪除它們。另一種方法是使用適當的包和模塊（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“<”，轉換為“&”。

2、解碼數據：

這是將信息從復雜符號轉換為簡單易懂字符的過程。文本數據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，有必要保持完整的數據以標準的編碼格式。UTF-8編碼被廣泛接受并推薦使用。

3、撇號查找：為了避免文本中的任何詞義消歧，建議在文章中保持適當的結構，并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詞典。可以使用所有可能的關鍵字的查找表來消除歧義。

4、停用詞的去除：當數據分析需要在字級上進行數據驅動時，應刪除通常出現的單詞（停用詞）。通過創建的一個長長的停止詞列表，或者可以使用預定義的語言特定的庫。

5、刪除標點符號：所有的標點符號應根據優先級來處理。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：文本數據（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則表達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匯。這些詞應該轉換成標準詞來制作自由文本。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、規范詞：有時詞的格式不正確。例如：“I looooveee you” 應為 “I love you”。簡單的規則和正則表達式可以幫助解決這些情況。

10、刪除URL：應刪除文本數據中的URL和超鏈接，如評論、評論和推文。

以上就是對web文本數據清洗流程及實例 （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。

以上就是web文本數據清洗流程及實例 （實例代碼）的詳細內容，更多請關注php中文網其它相關文章！