معرفی شرکت ها
dobbi-0.9
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
An open-source NLP library: fast text cleaning and preprocessing.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | dobbi-0.9 |
| نام | dobbi |
| نسخه کتابخانه | 0.9 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Iaroslav Amerkhanov |
| ایمیل نویسنده | amerkhanov.y@gmail.com |
| آدرس صفحه اصلی | https://github.com/iaramer/dobbi |
| آدرس اینترنتی | https://pypi.org/project/dobbi/ |
| مجوز | Apache License 2.0 |
<h1 align='center'>
🌴 dobbi 🦕
</h1>
<p align='center'>
Takes care of all of this boring NLP stuff
<br>
<br>
<img alt="PyPI - Python Version" src="https://img.shields.io/pypi/pyversions/dobbi">
<a href='https://pypi.org/project/dobbi/'><img alt="Version" src="https://img.shields.io/pypi/v/dobbi?logo=pypi"></a>
<a href='https://opensource.org/licenses/Apache-2.0'><img alt="GitHub" src="https://img.shields.io/github/license/iaramer/dobbi"></a><br>
</p>
# Description
An open-source NLP library: fast text cleaning and preprocessing.
## TL;DR
This library provides a quick and ready-to-use text preprocessing tools for text cleaning and normalization.
You can simply remove hashtags, nicknames, emoji, url addresses, punctuation, whitespace and whatever.
## Installation
To download *dobbi*, either fork this GitHub repo or simply use [Pypi](https://pypi.org/project/dobbi/) via pip:
```sh
$ pip install dobbi
```
## Usage
Import the library:
```Python
import dobbi
```
## Interaction
The library uses method chaining in order to simplify text processing:
```Python
dobbi.clean() \
.hashtag() \
.nickname() \
.url() \
.execute('Check here: https://some-url.com')
```
## Supported methods and patterns
The process consists of three stages:
1. Initialization methods: initialize a *dobbi* Work object
2. Intermediate methods: chain patterns in the needed order
3. Terminal methods: choose if you need a function or a result
Initialization functions:
* `dobbi.clean()`
* `dobbi.collect()`
* `dobbi.replace()`
Intermediate methods (pattern processing choice):
* `regexp()` - custom regular expressions
* `url()` - URLs
* `html()` - HTML and "<...>" type markups
* `punctuation()` - punctuation
* `hashtag()` - hashtags
* `emoji()` - [emoji](https://en.wikipedia.org/wiki/Emoji)
* `emoticons()` - [emoticons](https://en.wikipedia.org/wiki/List_of_emoticons)
* `whitespace()` - any type of whitespaces
* `nickname()` - @-starting nicknames
Terminal methods:
* `execute(str)` - executes chosen methods on the provided string.
* `function()` - returns a function which is a combination of the chosen methods.
## Examples
### 1) Clean a random Twitter message
```Python
dobbi.clean() \
.hashtag() \
.nickname() \
.url() \
.execute('#fun #lol Why @Alex33 is so funny? Check here: https://some-url.com')
```
Result:
```Python
'Why is so funny? Check here:'
```
### 2) Replace nicknames and urls with tokens
```Python
dobbi.replace() \
.hashtag('') \
.nickname() \
.url('__CUSTOM_URL_TOKEN__') \
.execute('#fun #lol Why @Alex33 is so funny? Check here: https://some-url.com')
```
Result:
```Python
'Why TOKEN_NICKNAME is so funny? Check here: __CUSTOM_URL_TOKEN__'
```
### 3) Get the text cleanup function (one-liner)
~~Please, try to avoid the in-line method chaining, as it is less readable.~~ Do as your heart tells you.
```Python
func = dobbi.clean().url().hashtag().punctuation().whitespace().html().function()
func('\t #fun #lol Why @Alex33 is so... funny? <tag> \nCheck\there: https://some-url.com')
```
Result:
```Python
'Why Alex33 is so funny Check here'
```
4) Chain regexp methods
```Python
dobbi.clean() \
.regexp('#\w+') \
.regexp('@\w+') \
.regexp('https?://\S+') \
.execute('#fun #lol Why @Alex33 is so funny? Check here: https://some-url.com')
```
Result:
```Python
'Why is so funny? Check here:'
```
## Additional
Please pay attention that the functions are applied in the order you've specified them.
So, you're better to chain `.punctuation()` as one of the last functions.
## Call for collaboration 🤗
If you enjoyed the project I would be grateful if you supported it :)
Below is the list of ~~different stuff~~ useful features I would be happy to share with you:
- [ ] Finding bugs
- [ ] Making code optimizations
- [ ] Writing tests
- [ ] Help with new features development
نحوه نصب
نصب پکیج whl dobbi-0.9:
pip install dobbi-0.9.whl
نصب پکیج tar.gz dobbi-0.9:
pip install dobbi-0.9.tar.gz