在文本處理中，經(jīng)常會(huì)碰到含有特殊字符的字符串。
比如用戶昵稱，
小紅書文案，等等 都包含了大量表情特殊字符。
這些特殊字符串在ETL處理過程中，經(jīng)常會(huì)引起程序報(bào)錯(cuò)，導(dǎo)致致命錯(cuò)誤，程序崩潰；或者導(dǎo)致數(shù)據(jù)不準(zhǔn)確。
所以ETL中首先要清洗處理掉這些特殊字符。

使用正則表達(dá)式 能起到很好的效果

[a-zA-Z0-9\u4e00-\u9fa5]+提取英文字符：[a-zA-Z]+提取數(shù)字：[0-9]+提取中文：[\u4e00-\u9fa5]+(?!_)　　不能以_開頭(?!.*?_$)　　不能以_結(jié)尾