Question

我正在创建一个网页，以显示词云中最新推文中最常出现的单词。它基于nodejs + html。

我从我的server.js文件中获取推文并将文本格式的单词推送到我的html页面。

我的HTML代码：

<script>
var data, twArr;
var data = document.getElementById('data').innerHTML;           
data = data.toLowerCase().replace(/object Object/g, '').replace(/[\+\.,\/#!$%@\^&\*{}=:;_`~]/g,'');
data = data.replace(/[0-9]+/g, "");
var twArr = data.split(' ');

<< then I pass twArr to my cloud code>>
</script>
<body>
 <p id="data">
        {{data}}
 </p>
</body>

使用此代码，它会显示所有垃圾词，如网址（https：...）和没有任何含义的词，也会显示常见词，例如，if，is等等。

知道我怎么能删除所有那些垃圾而只是采取有效的措辞？感谢。

Answer 1

您可以制作列入黑名单的过滤器列表。你已经获得了每个推文的单词列表（在twArr中）。只需在根据您的过滤器列表发送它们之前过滤这些单词。您可以从this问题

获取帮助

Answer 2

你可以列出这样的多个单词，如同

一样

您需要创建要替换的单词列表，例如http，if，else
将该列表应用于您的数据

例如

var data= "Some words will be empty string now like http if but not https  else will be same.";

var mapObj = {
   http:"",
   if:"",
   else:""

};
data= data.replace(/http|if|else\b/, function(matched){
  return mapObj[matched];
});

console.log(data);

从推文中删除不需要的单词

2 个答案: