中文自然语言处理中去掉英文字符、数字和特殊字符的便捷用法

   做自然语言处理的同学，经常会对中文文本进行处理，对于一些特殊字符要去掉，现在把代码收集一下，用的时候也方便

1 import re
2 
3 s = 'dneog1893^&&341den'
4 r1 = "[a-zA-Z0-9\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、：；;《》“”~@#￥%……&*（）]+"
5 data = re.sub(r1, '', s)

 

posted @ 2018-10-11 11:16  今夜无风  阅读(1833)  评论(0)    收藏  举报