用 python 进行文本预处理和提取特征

文本过滤

result = re.sub(r'[^\u4e00-\u9fa5,。？！，、；：“ ”‘ ’（ ）《 》〈 〉]', "", content)#只保留中文和标点result = re.sub(r'[^\u4e00-\u9fa5,。