目前，我有一个CountVectorizer功能
CountVectorizer(stop_words=stopwords.words('spanish'),token_pattern=r'(?u)\b\w\w+\b')
默认情况下，Sklearn使用token_pattern，我在get_features_names上有一些结果如下：
000,02,10,100,1080,11,14,17,19,1994,1ª,2015,2017,22,24horas,2t0s6dgxnm,30,31,32,_aitor,_anamilan_,_cuteresa,_raquel97_
我想删除数字和 _ 符号。我知道要这样做我必须默认修改正则表达式函数：r'(?u)\b\w\w+\b'所以，有什么建议吗？
感谢。
更新：
好话： abrazo，aburrir，extrañar，además
坏词： anamilan ，000,02,10,100,1080
我想添加ñ，á，é，í，ó，ú，我尝试使用[á-ú_ñ]+，但它不起作用。
答案 0 :(得分：1)
此模式应匹配所有数字和_。
int f;
try {
f = x.nextInt();
}catch (InputMismatchException e){
System.out.println("Enter only digits");
}