已链接 Removing escaped entities from a String in Python
我的代码正在读取一个大的推文 csv 文件并将其解析为两个字典(取决于推文的情绪)。然后，我创建了一个新字典并使用 HTML 解析器对所有内容进行了转义，然后使用 translate() 方法从文本中删除所有标点符号。
最后，我试图只保留大于 length = 3 的单词。
这是我的代码:
tweets = []
for (text, sentiment) in pos_tweets.items() + neg_tweets.items():
text = HTMLParser.HTMLParser().unescape(text.decode('ascii'))
remove_punctuation_map = dict((ord(char), None) for char in string.punctuation)
shortenedText = [e.lower() and e.translate(remove_punctuation_map) for e in text.split() if len(e) >= 3 and not e.startswith(('http', '@')) ]
print shortenedText
然而，我发现虽然我想要的大部分内容都已完成，但我仍然得到长度为二(但不是长度为一)的单词，并且我的字典中有一些空白条目。
例如:
(: !!!!!! - so I wrote something last week
* enough said *
.... Do I need to say it?
产生:
[u'', u'wrote', u'something', u'last', u'week']
[u'enough', u'said']
[u'', u'need', u'even', u'say', u'it']
我的代码有什么问题？如何删除所有长度小于 2 的单词，包括空白条目？
最佳答案
我认为你的问题是，当你测试是否 len(e) >= 3 时，e 仍然包含标点符号，所以“它？”没有被过滤掉。也许分两步完成？清除标点符号，然后过滤大小？
有点像
cleanedText = [e.translate(remove_punctuation_map).lower() for e in text.split() if not e.startswith(('http', '@')) ]
shortenedText = [e for e in cleanedText if len(e) >= 3]
关于python - 代码不从字典中删除所需的值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18148953/