You need to enable JavaScript to run this app. Python正则报bad character range字符范围错误解决求助
优惠活动
大模型
产品
解决方案
定价
更多

Python正则报bad character range字符范围错误解决求助

问题解决方法

报错根因

你遇到的bad character range ⁰-9错误由两个字符输入错误导致:

  • 正则表达式中使用了特殊上标零字符⁰而非标准ASCII半角数字0,该字符的Unicode编码远大于数字9的编码,⁰-9的范围左边界大于右边界,正则校验无法通过
  • 数字范围0–9中间的连接符是长破折号而非标准半角减号,也会导致范围识别异常

除此之外你的正则逻辑存在严重错误:原代码中第二个分组匹配了字母、数字、空格等正常文本内容,直接替换为空格会导致清洗后所有有效内容被清空,完全不符合文本清洗的预期。

修复后可运行代码

import pandas as pd
import re

# 初始化数据框
tw_list = pd.DataFrame(tweet_list)
tw_list["text"] = tw_list[0]

# 自定义文本清洗函数
def clean_tweet_text(x):
    # 移除RT前缀
    x = re.sub(r'RT @\w+: ', " ", str(x))
    # 移除@提及、网页链接
    x = re.sub(r'(@[A-Za-z0-9]+)|(https?://\S+)', " ", x)
    # 移除所有标点、特殊字符,仅保留中英文、数字、空格
    x = re.sub(r'[^\u4e00-\u9fa5A-Za-z0-9\s]', " ", x)
    # 合并连续空格、去除首尾空格后转小写
    x = re.sub(r'\s+', " ", x).strip().lower()
    return x

# 批量执行清洗
tw_list["text"] = tw_list["text"].apply(clean_tweet_text)
tw_list.head(10)

额外说明

如果你的推文内容仅为英文,不需要保留中文,可以将清洗规则里的\u4e00-\u9fa5部分删除即可。

内容的提问来源于stack exchange,提问作者Junatius

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.15 10:36:03