个回答

• 伏草惟存

  2019-07-24 11:05:08

  # 正则对字符串清洗

  def textParse(str_doc):

      # 正则过滤掉特殊符号、标点、英文、数字等。

      r1 = '[a-zA-Z0-9’!"#$%&\'()*+,-./:：;；|<=>?@，—。?★、…【】《》？“”‘’！[\\]^_`{|}~]+'

      # 去除空格

      r2 = '\s+'

      # 去除换行符

      str_doc=re.sub(r1, ' ', str_doc)

      # 多个空格成1个

      str_doc=re.sub(r2, ' ', str_doc)

      # 去除换行符

      # str_doc = str_doc.replace('\n',' ')

      return str_doc

  
  

  3