從推文中刪除＃和RT

我有數以百萬計的推文，我想從推文中刪除"#"和"RT"。例如："RT @ABC: Meslekten ihraç edilen #polis müdürü Murat Çetiner"應該給輸出" @ABC: Meslekten ihraç edilen polis müdürü Murat Çetiner"從推文中刪除＃和RT

下面是我對現在的代碼：

# coding:utf-8 
import sys 
x = "RT @zamancomtr: Meslekten ihraç edilen polis müdürü Murat Çetiner: Bana takdir belgesi veren  BM de mi paralel? http://t.co/sd5N6yaZzv http:…" 
y = ' '.join(re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"," ",x).split()) 
print y

來源

2014-10-27 sneha ulal

那麼代碼*做什麼*？問題是什麼;應該怎麼做呢？你到目前爲止嘗試解決這個問題？ – jonrsharpe 2014-10-27 19:00:47

該代碼刪除了推文中的所有特殊字符，我想使用正則表達式，但我不確定如何使用它。 – 2014-10-27 19:06:06

那麼也許你應該開始學習如何使用它：https://docs.python.org/2/howto/regex.html – jonrsharpe 2014-10-27 19:07:24

您可以使用下面的代碼：

z = lambda x: re.compile('\#').sub('', re.compile('RT @').sub('@', x, count=1).strip()) 
print z(x)

首先re.compile('RT @').sub('@', x, count=1)取代第一'RT'暱稱前。如果你想在帖子中刪除任何轉發標籤的場合，只需從代碼中刪除count=1即可。有必要使用'RT @'掩碼，因爲'RT'可能發生在推特身上。

同樣，re.compile('\#')刪除tweet中的所有hashtags。

來源

2014-10-28 11:08:09 indrumbox

從推文中刪除＃和RT

回答

相關問題