专业既然是机器学习。那工作肯定也是继续和数据打交道,那么问题来了,非常多时候推荐算法和数据挖掘算法都是现成可用的,平台初建,重点还在数据过滤和抽取。如何高效的抽取数据?
利用往常算法比赛中经常使用的字符串处理方法吗,omg,维护它是一个淡淡疼的忧伤。
那么,重点来了。正則表達式,干净利落。
模版例如以下:
//step1,set reg string
String regStr = "^helloworld"
//step2,set Pattern
Pattern regPattern = Pattern.compile(regStr );
//step3,set Matcher
Matcher regMatcher = regPattern.matcher(srcText);
//step4,display what you found from this pattern
if(regMatcher.find()){
System.out.print(regMatcher.group());
}
当然,首先你得会写正則表達式。记住,能分组就分组。特征相关数据提取会非常顺利。
模版非常easy。正则抽取的正則表達式是重点。
那么,多次匹配怎么办。谨记,正则抽取是树形结构。用for循环。你就输了。
解决方式:状态机。甚至,你能够用回调函数(callable接口)来做这件事
这属于后话。码字累了,今天主要是开卷。