数据清洗 代码清理或者使用OpenRefine开源软件 代码清理 转义字符\nUnicode字符剔除单字符单词引用标记标点符号 input = re.sub('\n+', " ", input) input = re.sub('\[[0-9]*\]', "", input) input = re.sub(' +', " ", input) input = bytes(input, "UTF-8") input = input.decode("ascii", "ignore") 或者使用OpenRefine开源软件