つぶやきから特殊文字（ ``ŒðŸ'`など）を削除する方法

Question

つぶやきから👉👌💦✨などの特殊文字を削除する必要があります。そのために、私はこの戦略（Iは、Python 3を使用）に続く：

1. はそうÃが\xc3\になり、六角などの特殊文字を取得するために、文字列にバイトからつぶやきを変換します。
2. 正規表現を使用して、b'とb"（文字列の先頭）と'または"（文字列の最後）を削除します。
3. 最後に、正規表現を使用して16進表現を削除します。

   import re 
   tweet = 'b"[/Very seldom~ will someone enter your life] to question\xc3\xa2\xe2\x82\xac\xc2\xa6 "' 
   
   #encoding to 'utf8' 
   tweet_en = tweet.encode('utf8') 
   #converting to string 
   tweet_str = str(tweet_en) 
   #eliminating the b' and b" at the begining of the string: 
   tweet_nob = re.sub(r'^(b\'b\")', '', tweet_str) 
   #deleting the single or double quotation marks at the end of the string: 
   tweet_noendquot = re.sub(r'\'\"$', '', tweet_nob) 
   #deleting hex 
   tweet_regex = re.sub(r'\\x[a-f0-9]{2,}', '', tweet_noendquot) 
   print('this is tweet_regex: ', tweet_regex) 
   

   最終的な出力は次のとおりです：[/Very seldom~ will someone enter your life] to question "（そこから私はまだ最終"を削除できませんでした）

は、ここに私のコードです。私は、Twitterデータの特殊文字を整理するためのより良い、より直接的な方法があるのだろうかと思っていました。どんな助けもありがとう。

Answer 1

私はあなたがASCII文字のみを探している場合、これは、正常に動作すると思います：

initial_str = 'Some text 👉👌💦✨ and some more text' 
clean_str = ''.join([c for c in initial_str if ord(c) < 128]) 
print(clean_str) # Some text and some more text 

あなたはord(c) in range()を行い、そしてそれをあなたが（絵文字を含める場合もある）維持したいテキストの範囲を与えることができます。