Python正则表达式将字符串切割成单词列表

最新推荐文章于 2023-11-29 08:30:00 发布

原创

最新推荐文章于 2023-11-29 08:30:00 发布 · 3.1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

在机器学习实战中应用朴素贝叶斯过滤垃圾邮件时，需要对文本进行预处理，将字符串切割成单词列表。通过Python的正则表达式，发现原始代码存在错误。正确的方法是使用`re.split('W+', mySent)`，而不是`re.split('W*', mySent)`。理解`split()`和`re.split()`的区别对于正确处理文本至关重要。" 88079596,22875,Mac OS上汇编语言编写Hello World,"['操作系统', '编程语言', '汇编', 'macos开发']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习实战4：朴素贝叶斯
在使用朴素贝叶斯过滤垃圾邮件的时候，有一步是准备数据，切分文本
书中给的代码是：
import re
def textParse():
mySent = ‘This book is the best book on Python or M.L. I have ever laid eyes upon.’
regEx = re.compile(’\W*’)
listOfTokens = regEx.spilt(mySent)
#listOfTokens = re.split(r’\W*’, mySent)
retrun listOfTokens
print(textParse())
并得不到书上所写的那样，网上有很多也是用的这个答案，是我哪点弄错了么？
在这里插入图片描述
然后改一下就ok了，listOfTokens=re.split(’\W’,mySent)
----->listOfTokens=re.split(’\W+’,mySent)*

Python中 split()和re.split()的用法:
https://blog.youkuaiyun.com/larykaiy/article/details/82917115,非常感谢！