Python中利用正则表达式做数据清洗（re）

若如初见kk

于 2020-09-21 22:13:14 发布

阅读量5.8k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： NLP python 文章标签： python 正则表达式数据清洗

本文链接：https://blog.youkuaiyun.com/Artificial_idiots/article/details/108719898

1.常用正则表达式

Python中常用正则表达式

2.正则表达式做数据清洗

2.1 从网页HTML标签中提取文本

import re
text = "<div><p>\n你好\nPython：</p><p>Python是一种跨平台的计算机程序设计语言。 </p><p><br></p><p>是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。</p><p>最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。&nbsp;</p><br><a>快来学习Python吧！</a></div>"
result = re.sub(r"<.*?>|&nbsp;|\n"