إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص
اجمع خطواتك في دالة مساعدة واحدة
إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص درس مجاني في NLP Academy على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في NLP Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة NLP Academy 4 دروس في المجموع.
جمع كل شيء
لقد تعلمت تحويل الأحرف إلى صغيرة، وإزالة كلمات التوقف، وإزالة علامات الترقيم. والآن لنجمعها في دالة واحدة قابلة لإعادة الاستخدام يمكنك استدعاؤها من أي مكان.
لماذا تتفوق الدالة المساعدة على النسخ واللصق
تعني دالة clean_text واحدة أن كل مستند يتلقى المعالجة نفسها تمامًا. أصلح الخطأ مرة واحدة، وسيستفيد المشروع بأكمله.
ابدأ بالتوقيع
حدّد البنية أولًا. تستقبل الدالة نصًا خامًا وتُرجع قائمة نظيفة من الرموز، وهي المدخل القياسي للخطوات اللاحقة.
def clean_text(text):
passالخطوة الأولى: تحويل الأحرف إلى صغيرة
ابدأ بتحويل كل شيء إلى أحرف صغيرة. فهذا يجعل The وthe متطابقين، ويمنع المفردات من التضاعف.
text = text.lower()الخطوة الثانية: إزالة الرموز
بعد ذلك، احذف علامات الترقيم والرموز الزائدة باستخدام regex سريع حتى لا تلتصق العلامات النهائية بكلماتك.
import re
text = re.sub(r"[^a-z0-9 ]", " ", text)الخطوة الثالثة: تقسيم النص إلى رموز
قسّم السلسلة المنظفة إلى كلمات. تعمل split العادية جيدًا هنا لأنك أزلت علامات الترقيم المربكة مسبقًا.
tokens = text.split()الخطوة الرابعة: حذف كلمات التوقف
صفِّ كلمات الضوضاء باستخدام مجموعة stops. أنشئ هذه المجموعة مرة واحدة خارج الدالة حتى لا يعاد إنشاؤها في كل استدعاء.
tokens = [t for t in tokens if t not in stops]جمع الخطوات
رتّب الخطوات بالتسلسل وأرجع النتيجة. يحوّل هذا المسار المختصر أي سلسلة خام إلى رموز نظيفة.
def clean_text(text):
text = text.lower()
text = re.sub(r"[^a-z0-9 ]", " ", text)
return [t for t in text.split() if t not in stops]جرّبها
استدعها على جملة فوضوية وشاهد الفوضى تختفي. الناتج قائمة مرتبة جاهزة لـالخطوة التالية في NLP.
print(clean_text("The Cats, dogs! and 2 birds."))اجعلها مرنة
أضف علامة تتيح للمستدعين الاحتفاظ بكلمات التوقف عند الحاجة. تجعل المعاملات الاختيارية دالة مساعدة واحدة مناسبة لمهام متعددة.
def clean_text(text, drop_stops=True):
...طبّقها على نطاق واسع
لأنها دالة، يمكنك تطبيقها على مجموعة بيانات كاملة في سطر واحد، لتنظيف كل مستند بطريقة متسقة.
cleaned = [clean_text(doc) for doc in documents]تحقق سريع
يهم الترتيب عند ربط خطوات التنظيف معًا.
مراجعة
أنشأت دالة مساعدة قابلة لإعادة الاستخدام باسم clean_text: تحويل الأحرف إلى صغيرة، وإزالة الرموز، وتقسيم النص إلى رموز، ثم حذف كلمات التوقف. دالة واحدة ونتائج متسقة في كل مكان.
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص» مجاني؟
نعم — نص درس «إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة NLP Academy، انتقل إلى CoddyKit PRO. تتضمن دورة NLP Academy 4 دروس في المجموع.
ماذا ستتعلم في «إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص»؟
اجمع خطواتك في دالة مساعدة واحدة تتمرن على NLP Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ NLP Academy؟
لا تُشترط خبرة سابقة. NLP Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.
كم من الوقت يستغرق درس «إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس NLP Academy هذا؟
نعم. كل درس في NLP Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- ما الكلمات المستبعدة؟
- تصفية الكلمات المستبعدة باستخدام NLTK
- إزالة علامات الترقيم والرموز
- إنشاء دالة قابلة لإعادة الاستخدام لتنظيف النص