正則表達(dá)式和文本挖掘（Text Mining）

在進(jìn)行文本挖掘時，TSQL中的通配符（Wildchar）顯得功能不足，這時，使用“CLR+正則表達(dá)式”是非常不錯的選擇，正則表達(dá)式看似非常復(fù)雜，但，萬變不離其宗，熟練掌握正則表達(dá)式的元數(shù)據(jù)，就能熟練和靈活使用正則表達(dá)式完成復(fù)雜的Text Mining工作。 

一，正則表達(dá)式的特殊字符

1，常用元字符

用以匹配特定的字符（字母，數(shù)字，符號），注意字母是區(qū)分大小寫的：

  • . ：匹配除換行符以外的任意字符
  • \w ：匹配字母或數(shù)字或下劃線或漢字
  • \s ：匹配任意的空白符
  • \d ：匹配數(shù)字
  • \b ：匹配單詞的開始或結(jié)束
  • ^ ：匹配字符串的開始
  • $ ：匹配字符串的結(jié)束
  • \k ：引用分組名，例如:\k<group_name>，表示引用名字為group_name的分組
  • \group_number：group_number是分組的組號，1，2，3等，表示通過組號引用分組

2，重復(fù)字符或分組

指定前面一個字符或分組重復(fù)的次數(shù)：