会python真的可以为所欲为0(回)
351天前
这里还有人吗1(回)
536天前这里还有人吗0(回)
536天前
每天面对着电脑屏幕，敲打键盘。我所面对的并不只是代码，而是一种生活方式。0(回)
761天前到处都是羊，不想上班0(回)
841天前
鸽子
0(回)
845天前import re |
import string |
import nltk |
nltk.download('stopwords') |
from nltk.corpus import stopwords |
def clean_text(text): |
text = re.sub(r'<.*?>', '', text) # 去除HTML标签 |
text = re.sub(r'http\S+', '', text) # 去除URL链接 |
text = re.sub(r'\d+', '', text) # 去除数字 |
text = text.translate(str.maketrans('', '', string.punctuation)) # 去除标点符号 |
text = text.lower() # 转换为小写字母 |
stopwords_set = set(stopwords.words('english')) # 获取停用词集合 |
words = nltk.word_tokenize(text) # 分词 |
words = [w for w in words if w not in stopwords_set] # 去除停用词 |
text = ' '.join(words) |
return text |
