Python 2.7 如何优化文本数据？

我构建了许多spider来从不同的网站获取新闻文章，我有一个api来将文本转换为音频片段，但我需要一个框架或python工具来优化文章的文本，例如：

正在删除与源相关的任何内容。删除任何日期格式。 删除URL。将首字母缩写词（如CEO）更改为首席执行官 例如删除特殊字符和打字错误

确保在所有编辑之后，句子写得正确。 使用以前编辑的文章作为新文章的参考

我正在使用python、nltk和re，但这很累人，每次我想我涵盖了所有的案例，我都会发现需要添加新的案例，我觉得我陷入了一个无限循环

有什么建议吗

首先，它是非常重要的，可能不应被视为刮削的一部分，而应被视为第二步处理的一部分（参见）

不幸的是，清理刮取的数据是乏味的：没有神奇的解决方案，因为每个人都有兴趣跳过与您不同的内容-例如，有些人可能只对URL感兴趣。然而，你没有试过使用吗？-这是一个Python库，它提供了一个非常好的API，用于处理许多与刮片相关的常见任务