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。
result = "".join(i for i in s if ord(i) < 256)
print(result)
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 re
uncn = re.compile(r'[a-z, ]')
en = "".join(uncn.findall(s.lower()))
print(en)
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:一-龥,相应的[^一-龥]可匹配非中文。
以上就是本篇文章【python 中英文 分离_利用Python将文本中的中英文分离方法】的全部内容了,欢迎阅览 ! 文章地址:http://dfvalve.xrbh.cn/quote/6564.html 行业 资讯 企业新闻 行情 企业黄页 同类资讯 网站地图 返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多