Python 有没有办法清除这些奇怪的符号 def_clean（文本）： text=text.lower（） text=re.sub（r'RT | RT'，''，text） text=re.sub（r'&；'，'&'，text） text=re.sub（r'[？！.；：，#@-]，''，text） text=re.sub（r“[$&+，：；=？#]|[0-9]| |“，”，text） text=re.sub（“，”，text） text=re.sub（r'https？|：：\/\w.*'，''，text） text=re.sub（r'\/？w*'，''，text） text=re.sub（r'\ã°–*'，''，text） words=text.split（） words=[w代表w，如果w不在stopwords中] text=”“.join（单词） text=emoji_pattern.sub（r''，text） 返回文本

到目前为止，我已经使用了上面的代码。我不知道如何清理这个

上周五晚上快乐（tgif）上周五晚上tgif法尔法

---

可以使用以下正则表达式删除所有非ASCII字符：

text=re.sub（r'[^\x00-\x7F]+'，''，text）

另见这个问题：

 def _clean(text):
    text = text.lower()
    text = re.sub(r'RT|rt', '', text)
    text = re.sub(r'&', '&', text)
    text = re.sub(r'[?!.;:,#@-]', '', text)
    text = re.sub(r"[$&+,:;=?#]|[0-9]|<ed>|<U\+[A-Z0-9]+>", "", text)
    text = re.sub("<+[A-Z0-9]+>", "", text)
    text = re.sub(r'https?|:\//\w.*', '', text)
    text = re.sub(r'\//?w*', '',text)
    text = re.sub(r'\ ã°â*', '' ,text)
    words = text.split()
    words = [w for w in words if w not in stopwords]
    text = " ".join(words)
    text = emoji_pattern.sub(r'', text)
    return text