java - 如何使用java清理脏文本

Question

已关闭。此问题需要 debugging details 。目前不接受答案。

---

编辑问题以包含 desired behavior, a specific problem or error, and the shortest code necessary to reproduce the problem 。这将有助于其他人回答问题。

已关闭 1 年前。

Improve this question

我正在努力从 Twitter 收集数据并对其进行处理，但我遇到的问题是:文本脏了，

示例:

String dirtyText="this*is#a*&very_dirty&String";

示例:

String dirtyText="All f dis happnd bcause u gave ur time, talent n passion.";

请我希望它尽可能简单。

Answer 1

这不是一个容易解决的问题。 所有发生的事情都可以被“清理”以产生所有*of*这件事发生或所有*if*这件事发生。对于第一个示例，您只需将所有非字母字符替换为空格即可。请参阅this question了解如何做到这一点。

否则我认为你需要一个自然语言处理器，或者至少一个拼写检查器。猜测一条推文的正确英语应该是什么是一个极其复杂的问题。看看Jazzy用于开源拼写检查器。