我有以下字符串:
tweet = "Get $10 worth of AMAL!!\\nThis campaign will be final AirDrop before official release!!\\nhttps://form.run/@airdrop-e\xa0\\n\\nRT please!\\n\\n#amanpuri #AMAL\\n#BTC #XRP #ETH \\n#cryptocurrency \\n#China #bitcoin \\n#\\xe3\\x82\\xa2\\xe3\\x83\\x9e\\xe3\\x83\\xb3\\xe3\\x83\\x97\\xe3\\x83\\xaa"
我需要清理它，但我坚持删除字符串末尾的符号，即 \\n#\\xe3\\x82\\xa2\\xe3最有可能是 unicode 符号、表情符号和换行符 \\n
这是我所做的:
pat1 = r'@[A-Za-z0-9]+' # this is to remove any text with @ (links)
pat2 = r'https?://[A-Za-z0-9./]+' # this is to remove the urls
pat3 = r'[^a-zA-Z0-9$]' # to remove every other character except a-z & 0-9 & $
combined_pat2 = r'|'.join((r'|'.join((pat1, pat2)),pat3)) # combine pat1, pat2 and pat3 to pass it in the cleaning steps
我得到以下输出:
get $10 worth of amal nthis campaign will be final airdrop before official release n e n nrt please n n amanpuri amal n btc xrp eth n cryptocurrency n china bitcoin n xe3 x82 xa2 xe3 x83 x9e xe3 x83 xb3 xe3 x83 x97 xe3 x83 xaa
所以我仍然拥有所有这些n和xe3有人可以为此目的建议一个Python正则表达式吗？提前谢谢。
最佳答案
这些不是字符。他们是逃避者。您可以使用此正则表达式来匹配它们:
r'\\(n|x..)'
如果您想删除它们，请使用:
import re
tweet = re.sub(r'\\(n|x..)', '', tweet)
关于python - 如何从字符串python中删除所有表情符号(unicode)字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59167852/