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
相关产品推荐

