如何用java

Question

我就从Twitter收集数据，并在其上进行处理的工作，以干净的脏的文字，但我有一个问题：文字是脏的，

例如：

String dirtyText="this*is#a*&very_dirty&String"; 

例如：

String dirtyText="All f dis happnd bcause u gave ur time, talent n passion."; 

请让我尽可能简单。

Answer 1

这不是一个容易解决的问题。 All f dis happnd可以被“清理”以产生All *of* this happened或All *if* this happened。对于第一个例子，您只能用空格替换所有非字母字符。请参阅this question了解如何操作。

否则我认为你需要一个自然语言处理器，或者至少是一个拼写检查器。猜测Tweet应该以正确的英文表达是一个非常复杂的问题。看看Jazzy的开源拼写检查器。