Feature: 想去掉输出词云中出现的数字和标点符号，有没有方法

[liuzj288]

[he0119]

现在似乎还真没有什么好方法…可以暂时在 stopwords 里加上，但没法过滤全。

[MSDNicrosoft]

你好，我最近也在研究词云，这是目前我能想到的解决方案

import re

# 去除 CQ 码
message = re.sub(r"\[CQ:(.+)]", "", message)

# 去除 QQ 表情包
message = re.sub(r"[(.+)]", "", message)

# 去除实数
message = re.sub(r"^(\-|\+)?\d+(\.\d+)?$", "", message)

# 去除标点符号
# message = re.sub(r"\p{P}|\p{S}", "", message)

标点符号我主观认为可能会影响分词效果，所以我注释了那部分，不知道如何处理。

---

另外，由于在 Python 标准库中的正则模块不支持表达式使用 \p 的快捷符，所以我使用的是 PyPI 上的 regex，该库与标准库的用法大部分兼容。

- import re
+ import regex as re

---

目前能解决的问题：

• [x] 数字（包括整数和浮点数）
• [x] 中英文标点 （注：影响未知，需研究）
• [x] CQ 码
• [x] QQ 表情包

[wei-z-git]

现在似乎还真没有什么好方法…可以暂时在 stopwords 里加上，但没法过滤全。

stopwords是什么，可以设置屏蔽关键词吗，求教！

[he0119]

stopwords是什么，可以设置屏蔽关键词吗，求教！

是的，设置了 stopwords 的词语不会出现在词云中。