使用python正则表达式从文本中提取单词

我有一个文本（字符串），我想在python中执行此任务：

我执行CountVectorizer方法以生成一个单词包。您可以在此处找到此方法：

此方法包括停止字删除，效果良好。它删除任何标点符号并打断每个单词。但是除了单词之外，它还返回很多垃圾，比如单个字母和数字

不过，这个方法有一个名为“token_pattern”的参数，它接受一个字符串（regex），可以给我更好的结果

我想做的是： a） 排除任何以数字开头、结尾或包含数字的单词。 b） 从文本中排除任何数字

---

c） 排除anywords我不懂python，但regex对于任何编程语言都是一样的，所以我的答案是：

"(\s?\w+[0-9]+\w+\s?)|([0-9]+)|(\s\w\w\s)|(http://t.co/)"g

---

这里有一个正则表达式，它可以抓取任何由长度为3或3以上的字母组成的单词

[a-zA-Z]{3,}

---

这里有一个正则表达式，它可以捕获任何一行，但不包含URL

^((?!(https?:\/\/)+([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w=?$#% \.-]*)).)*$

---

我还没有想出如何将两者结合起来。但至少，这是朝着正确方向迈出的一步。您可以将每个单词放在自己的行上，然后删除URL，然后匹配3个或更多字母的单词。难看，但会奏效。

你能展示一下你迄今为止的尝试吗？你能展示一个你的正则表达式的实例吗？我在

regex101

上对OP的文本进行了测试，但它根本不起作用，在这张图中，你可以看到它对我很好[1]：对于你的第一个正则表达式，使用这个正则表达式[a-zA-Z]{3，}不是更容易吗？是的，我以为有这样的解决方案，但不知道逗号功能。编辑。只是为了解释，{x，y}意味着匹配最小x倍和最大y倍。当使用任何零件时，这意味着我们只需要最小-最大值的一个零件。