从字符串中删除表情符号

Question

我在推特上做一些工作，很多推文看起来像

measles \xd2@theblackpenseur: gonorrhea rt @kylegotjokes: aids rt \xd2@cache___: my head itching so bad ?\xd3

我认为 \xd2 位是表情符号（尽管我可能错了，希望得到纠正）。

如何在保持字符串完好无损的情况下从字符串中删除它们？

Answer 1

根据您想要清理数据的程度，您可以使用

>>> import string
>>> tweet = 'measles \xd2@theblackpenseur: gonorrhea rt @kylegotjokes: aids rt \xd2@cache___: my head itching so bad ?\xd3'
>>> filter(lambda x: x in string.printable, tweet)
'measles @theblackpenseur: gonorrhea rt @kylegotjokes: aids rt @cache___: my head itching so bad ?'

Answer 2

这听起来有点自我推销（更多考虑到这个问题有多老），但我有一个 Python 库可以做到这一点（除其他外）。图书馆是 cucco 基本上你会做这样的事情：

from cucco import Cucco
cucco = Cucco()
cucco.remove_stop_words('Your text')

从字符串中删除表情符号

Removing Emojis from string

python

string

twitter

nlp