时间:2021-05-22
在进行文本分析、提取关键词时,新闻评论等文本通常是中英文及其他语言的混杂,若不加处理直接分析,结果往往差强人意。
下面对中英文文本进行分离做一下总结:
1、超短文本,ASCII识别。
s = "China's Legend Holdings will split its several business arms to go public on stock markets, the group's president Zhu Linan said on Tuesday.该集团总裁朱利安周二表示,中国联想控股将分拆其多个业务部门在股市上市。"result = "".join(i for i in s if ord(i) < 256)print(result)out:China's Legend Holdings will split its several business arms to go public on stock markets, the group's president Zhu Linan said on Tuesday.2、unicode编码识别
import res = "China's Legend Holdings will split its several business arms to go public on stock markets, the group's president Zhu Linan said on Tuesday.该集团总裁朱利安周二表示,中国联想控股将分拆其多个业务部门在股市上市。"uncn = re.compile(r'[\u0061-\u007a,\u0020]')en = "".join(uncn.findall(s.lower()))print(en)out:chinas legend holdings will split its several business arms to go public on stock markets, the groups president zhu linan said on tuesday中文的编码范围是:\u4e00-\u9fa5,相应的[^\u4e00-\u9fa5]可匹配非中文。
匹配英文时,需要将空格[\u0020]加入,不然单词之间没空格了。
以上这篇利用Python将文本中的中英文分离方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
前言学习中如果碰到问题,参考官网例子:D:\boost_1_61_0\libs\python\test参考:Boost.Python中英文文档。利用Boost.
Python进行网页文本处理。网页文本中的中英文处理的区别在于中文需要额外加入分词处理过程。所谓分词就是将一段文本文字分成一个个词组的过程。具体处理流程为:加载
在用输入法打字的时候,会遇到中英文混合,那么就是要切换中英文状态,比较麻烦。在谷歌拼音输入法中,如何快速切换中英文状态?小编这里有两种方法,都是操作简单的,
本文实例讲述了Python统计纯文本文件中英文单词出现个数的方法。分享给大家供大家参考,具体如下:第一版:效率低#-*-coding:utf-8-*-#!pyt
本文实例讲述了JS实现区分中英文并统计字符个数的方法。分享给大家供大家参考,具体如下:js区分中英文统计字符个数varcountnums=(function()