Python 从tweet中删除#，和RT

我有数百万条推文，我想从推文中删除

“#”

和

“RT”

。例如：

“RT@ABC:Meslekten ihraçedilen#polis müdürüMuratïetiner”

应给出输出

“@ABC:Meslekten ihraçedilen polis müdürüMurat etiner”

以下是我目前掌握的代码：

# 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

您可以使用下一个代码：

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）

替换昵称前的第一个

'RT'

。如果要删除post中的任何转发标签，只需从代码中删除

count=1

。有必要使用掩码“RT@”，因为“RT”可能出现在tweet正文中

---

同样地，

re.compile（'\\#'）

从tweet中删除所有的hashtag。

那么该代码做什么呢？问题是什么,；它应该做什么呢？到目前为止，您尝试了什么来修复它？代码删除了tweet中的所有特殊字符，我想使用regex，但我不确定如何使用它。然后，也许您应该开始学习如何使用它：我可以使用index删除RT吗？如果可以，我如何通过查找“，”和“@”的索引位置来删除RT然后切掉他们之间的RT。。下面是代码：f=open（“clean.txt”，“r”）用于f:comma\u pos=item中的项目。find（“，”）在\u pos=item处打印逗号位置。find（“@”）在\u pos处打印