中文文本预处理
# -*- coding: utf-8 -*- import regex as re str_keyword = "第三条" res = str_keyword.isdigit() #判断是否是纯数字 ######################33 ########################## #判断是否含有%号 if '%' in str_keyword: print ('Exist') else: print('no exist') #判断是否含有"第几条" bianliang = re.fullmatch(r'((第)(.?)(条|章))',str_keyword) if bianliang: print('匹配上了第几条') ###################################### i_text_str ='我123爱你%%中国' r1 = u'[a-zA-Z0-9’!"#$%&\'()*+,-./:;<=>?@,。?★、…【】《》?“”‘’![\\]^_`{|}~]+'#用户也可以在此进行自定义过滤字符 tem=re.sub(r1, '',i_text_str) #过滤内容中的各种标点符号 print('tem ====',tem)