文本数据处理（1）通过正则对文本进行数据清洗——删除含有有数字信息的文本

在NLP工作中，为针对性的对有某些特征的文本数据进行模型训练，可以对文本数据进行一个数据清洗的预处理工作。

0.导入工具

import pandas as pd
import numpy as np
import re

1.打开文本数据集

df=pd.read_csv('.../文件名.csv')#读取文件信息

2.构建规则

d=re.compile('[\d]|[\u96f6\u4e00\u4e8c\u4e09\u56db\u4e94\u516d\u4e03\u516b\u4e5d\u5341\u767e\u5343\u4e07]')

3.将匹配到规则的文本信息删除

df = df.applymap(lambda x: x if d.search(str(x)) else np.nan)
df.dropna()

4.看一下结果

print (df)