从包含字母和数字的df.columns单词的文本中删除非英语单词

Question

如何从包含字母和数字的df.columns单词的文本中删除非英文单词

例如

df‘’text‘

“母亲节快乐！”没有什么比母亲的影响力更强大了。“-sara josepha…母亲节快乐！祝全世界的母亲们快乐！

0wat3bxtfl‘

“但还是每天都在想你，母亲节快乐，弗朗西斯·麦克拉弗蒂(mccool) 9wlhju7cxf”

从上面的两行中，我需要删除单词‘0wat3bxtfl’和'9wlhju7cxf‘。

Answer 1

该示例包括保留一些在英语单词列表中找不到的字符串("nrd“、"mcclafferty”、"mccool")，同时删除“0wat3bxtfl”和"9wlhju7cxf"，因此最好通过删除包含字母后跟数字或数字后跟字母(以及后面的任何空格)的非空格序列来实现预期结果，而不管单词是否为" English“。

下面的代码将完成此操作：

import re

...

filtered = re.sub('[^\s]*(\d[a-zA-Z]|[a-zA-Z]\d)[^\s]* *', '', df['text'])