作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 C++ 开发 Twitter 情绪分析工具。到目前为止,我从 Twitter 获得了推文,并对它们进行了一些处理(小写,删除 RT,删除 # 和 URL)。
下一步是删除表情符号和所有那些特殊字符。如何做到这一点?在你跳过我之前,我已经看过其他类似的问题,但没有一个涉及 C++。主要是 R、Python 和 PHP。
我想使用正则表达式,但我无法让它工作。我尝试删除主题标签和 URL,但我放弃了。我最终使用了普通的 string:find 和 find_first_of。
是否有任何库或方法可以摆脱那些表情符号和特殊的东西?
谢谢
最佳答案
我建议为此使用正则表达式。现在你有两个选择,你可以只提取你感兴趣的字符(如果你正在处理英文推文,这可能是 A-Z、a-z、数字和一些符号,具体取决于你的需要),或者你可以选择无效字符(表情符号)并将其替换为空字符串。
我只有 Qt 的 RegularExpression 引擎的经验,但 c++ 标准库有正则表达式支持(虽然我不确定它对 Unicode 有多好),但是 ICU也提供了一个正则表达式库。
*我会提供更多链接,但我还没有足够的声誉:/
关于c++ - 如何从 C++ 中的推文中删除表情符号?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37591074/
我是一名优秀的程序员,十分优秀!