0
를 사용하여 트위터의 텍스트 데이터를이 형식으로 mongoDB
에서 검색 후 :어떻게 전처리 내가 텍스트 데이터를 파이썬
** 나는 모든 대체하고자하지만
[u'In', u'love', u'#Paralympics?\U0001f60d', u"We've", u'got', u'nine', u'different', u'sports', u'live', u'streams', u'https://not_a_real_link', u't_https://anotherLink']
[u't_https://somelink']
[u'RT', u'@sportvibz:', u'African', u'medal', u'table', u'#Paralympics', u't_https://somelink', u't_https://someLink']
**
목록에있는 다른 텍스트를 그대로 유지하면서 'URL'이라는 단어가 포함 된 목록의 URL : 예 :
[u'In', u'love', u'#Paralympics?\U0001f60d', u"We've", u'got', u'nine', u'different', u'sports', u'live', u'streams', u'URL', u'URL']
하지만 불용어 제거를위한 코드를 실행하고 또한 정규 표현식을 수행 할 때 나는이 결과 샘플을 얻을 :
**
In
URL
RT
**
사람이 도움이 같은 수주십시오 I 이걸 찾기가 어려워.
def clean_text(self, rawText):
temp_raw = rawText
for i, text in enumerate(temp_raw):
temp = re.sub(r'https?:\/\/.*\/[a-zA-Z0-9]*', 'URL', text)
return temp
대신 목록의 마지막 대체 문자열을 반환, 즉 당신의 rawText
입력 목록을 교체해야합니다 :
def stopwordsRemover(self, rawText):
stop = stopwords.words('english')
##remove stop words from the rawText argument and store the result list in processedText variable
processedText = [i for i in rawText.split() if i not in stop]
return processedText
def clean_text(self, rawText):
temp_raw = rawText
for i, text in enumerate(temp_raw):
temp = re.sub(r'https?:\/\/.*\/[a-zA-Z0-9]*', 'URL', text)
return temp