从Excel数据中删除带有“@”和表情符号的提及

Anna_May1

你好，RapidMiner社区，

我目前正在研究一项监督情绪分析。我成功地做了情感分析本身，但我对它使用的数据不太满意。

作为数据准备的一部分，我想要删除提及(即“@”后面的名字)，我已经尝试了一些建议。到目前为止，我生成的流程和测试数据都上传到了这里。

我正在与“替换”操作符一起工作，但遗憾的是，在这个过程之后，结果仍然包含了一些提及。这些提到仍然存在，因为要么a)它们是一行中的第二次提到，要么b)它们提到的不是在一行的开头。

你们有什么想法吗?

总的来说，我想达到的目标是:
-删除任何以“@”开头的单词(不是整行)。
-删除空行
删除重复的
-删除表情包(现在，在这个过程中，输出的是问号而不是表情包，所以我宁愿马上删除这些表情包)

感谢您的建议!

安娜可能

MartinLiebig

嗨@Anna_May1，

一个好!我需要谷歌一点正确的正则表达式。附带的过程应该可以做到这一点。

最好的

马丁

<？xml version="1.0" encoding="UTF-8"?> <过程version = " 9.8.000”>
> <上下文
<输入/ >
<输出/ >
<宏/ >
> < /上下文




.
.

<过程扩展= " true " >


.
.



<列出关键= "注释" / >
.
.


<列出关键= " data_set_meta_data_information " >

< / >列表



< /操作符>


.
.



.
.

.


<参数键=“replace_what”值= " [^ \ x00 - \ x7F] " / >
替换所有非ascii字母
< /操作符>


.
.



.
.

.


@ /比；
替换@<; /描述>
< /操作符>
/> .
.
.
> < /过程
< /操作符>
> < /过程

Anna_May1

嗨@mschmitz，

谢谢你的快速回复．我试过你的代码，它确实删除了表情符号，但没有删除任何提及。所以所有的提及仍然在那里，即使是在一行开始的那些，之前被删除的。

对于为什么会出现这种情况，你有什么建议吗?

欢呼,

安娜可能

MartinLiebig

嗨@Anna_May1，

对不起，是我的错。我以为你只想换掉@-symbol而不是@这个名字。附件是正确的。

最好的

马丁

<？xml version="1.0" encoding="UTF-8"?> <过程version = " 9.8.000”>
> <上下文
<输入/ >
<输出/ >
<宏/ >
> < /上下文




.
.

<过程扩展= " true " >


.
.



<列出关键= "注释" / >
.
.


<列出关键= " data_set_meta_data_information " >

< / >列表



< /操作符>


.
.



.
.

.


<参数键=“replace_what”值= " [^ \ x00 - \ x7F] " / >
替换所有非ascii字母
< /操作符>


.
.



.
.

.


@ (\ w +)“/比；
替换@<; /描述>
< /操作符>
/> .
.
.
> < /过程
< /操作符>
> < /过程

Anna_May1

嗨@mschmitz，

再次感谢您的宝贵时间!我不知道为什么，但这仍然不适合我。你介意以另一种形式分享你的过程吗?

欢呼,

安娜可能

MartinLiebig

嗨@Anna_May1，

你说得对。xml有问题，让我们试试rmp。

最好的

马丁