如何从文本中删除网址

Question

我有这样的示例文本

EA SPORTS UFC  (Microsoft Xbox One, 2014) $40.00 via eBay http://t.co/Wpwj0R1EQm Tibet snake.... http://t.co/yPZXvNnugL

如何从文本中删除网址http://t.co/Wpwj0R1EQm、http://t.co/yPZXvNnugL等。我需要进行情感分析并想要干净的词。

我能够使用简单的正则表达式摆脱坏字符。

模式是删除http://t.co/ {Whatever-first-word}

Answer 1

正则表达式是你的朋友。

简化删除给定字符串中所有 URL 的要求。如果我们接受 URL 是任何以 http 开头并以空格结尾的内容（URL 不能包含空格），那么像下面这样的内容就足够了。此正则表达式查找任何以 http 开头（也将捕获 https）并以空格结尾的字符串，并将其替换为空字符串

string text = "EA SPORTS UFC  (Microsoft Xbox One, 2014) $40.00 via eBay http://t.co/Wpwj0R1EQm Tibet snake.... http://t.co/yPZXvNnugL";

string cleanedText = Regex.Replace(text, @"http[^\s]+", "");

//cleanedText is now "EA SPORTS UFC  (Microsoft Xbox One, 2014) $40.00 via eBay  Tibet snake.... "