Java文本预处理 去除非法字符
在处理中文语料或者英文语料时,经常遇到一些非法字符,例如下面微博数据集中的:
遇到这些字符,很烦。尤其是对单词标号的时候。
下面给出了Java处理的方式:
public static void main(String[] args) throws IOException {BufferedReader reader1 = new BufferedReader( new InputStreamReader( new FileInputStream( new File("weibo/test")),"utf-8"));String line1 = null;while ((line1 = reader1.readLine()) != null) {System.out.println(line1);System.out.println(line1.replaceAll("[^A-Za-z0-9 \\u4e00-\\u9fa5]", ""));System.out.println(cleanString(line1));}reader1.close();}
这里相当于取缔所有的非字母类或者非汉字类的字符
Java文本预处理 去除非法字符相关推荐
- html文本框禁止汉字,html 文本框屏蔽非法字符
由于需要对文本框内容进行校验,将非法字符通过JS的replace函数过滤出去,但是这样过滤对于在文本框内容最后插入的非法字符没有影响,如果在文本中间插入非法字符,那么将非法字符过滤掉之后,光标就会跳到 ...
- java用正则表达式表示非法字符_非法字符的正则表达式
搜索热词 public final static String SEARCHKEYREGEX = "[~!/@#$%^&*()\\-_=+\\|[{}];:\'\",< ...
- 文本预处理去除表情符号,只提取中英文及数字
import re #去除表情符号[敲打] def filter_emoji2(content): content = str(content) content2 = re.sub(' ...
- NLP文本预处理去除标点符号
from string import punctuation import re import sys reload(sys) sys.setdefaultencoding('utf-8')impor ...
- java 非法字符uff5b,uff,老外说uff是什么意思
uff是什么意思? 要看上下文..UFF有多种意思.. 1.UFF是一个世界性组织,收集民众所捐赠的衣服,做完适当的清理,才拿出来贩售,价格比一般二手店稍高,但品质比较好,所得会捐给非洲国家的人民. ...
- linux下去除文件结尾的非法字符
1. 查看一个文件每行结尾是否包含非法字符 cat -v 文件名 每行结尾有一个^M 2.使用命令去除非法字符,并输出到一个新文件中 cat 文件名 | tr -d '\r' > target ...
- android非法字符 ufeff,Android 非法字符:'/ufeff'
[问题来源] 不知道大家有没有做过这样的事,在Android开发的过程中,通过文本直接修改代码,不打开编译器,然后提交让同时编译运行.这时Android编译就会报错,指定修改的文件开始位置,显示非法字 ...
- C# 特殊非法字符表示和判断
字符串string输入特殊字符表示 string limitStr = @" \ / "" : * ? < > | "; 判断文本是否含有非法字符 ...
- 文本预处理之判断是否包含非法字符或非英文字符(Java)
非英文字符删除 下面的代码用来去除非英文字符.例如将汉字.数字等字符全部去除 public static String isEnglishWord(String[] authors) {ArrayLi ...
最新文章
- Swift - 添加、修改、删除通讯录联系人
- php data 算出差几天,出差天数一般怎么算。。。
- xMedia来了!支付宝客户端的智能化“武器”
- 线程间操作无效: 从不是创建控件“button2”的线程访问它
- layui移动端适配_移动端适配方案
- 分享一个点赞超过100的漂亮ASP.NET MVC蓝色界面框架
- Binding(一):数据绑定
- 前端学习(2251)提交代码
- nextdate函数白盒测试问题 软件测试_软件测试基本常识
- smbd的安装与使用
- python中计算如何实现_基于python如何实现计算两组数据P值
- getopt与getopt_long
- c++ struct与class
- python简单代码表白-表白python代码
- 概率论中几个入门公式
- 脑膜瘤论文阅读(一)
- Win 10系统自动备份文件
- oracle 导入设置字符集,Oracle数据导入时,字符集问题解决
- 【复变函数与积分变换】第1章 复数——1.1 复数的定义及其四则运算
- JavaScript保留小数位数代码