Sou novo em python e não consegui achar uma resposta para minha dúvida. Recebo uma lista de textos do banco de dados e o transformo em uma lista de strings conforme abaixo:
textosPuros = df['texto']
# print(textosPuros)
textoMinusculo = textosPuros.str.lower().str.split(' ')
# print(textoMinusculo)
textoLimpo = [item for item in textoMinusculo if item not in ['\n', '\t', '/', '.', '-', '(', ')']]
Numa tentativa de limpar as strings para que possa trabalhar com elas normalizadas, implementei a última linha, mas, mesmo assim, tenho caracteres ruins:
[['\testá', 'tossindo', 'noite.mãe', 'fez', 'inalação', 'com', 'berotec', 'essa', 'noite,com', 'melhora', '.está', 'usando', 'o', 'piemonte', 'há', '2', 'cuidou', '', ',', '----', 'com', '', 'febre.é', 'muito', 'ansioso', 'e', 'agitado.\nex.f:beg', 'corado,com', 'taquipnéia', 'leve', 'afebril', 's/sinais', 'meníngeos', 'otosc:nl', 'cavum:hiperemia', 'pulmões:esc+sibilos', 'abdome', 'nl\t'],['mais strings','episódio\n\nap\n-','\t0000000000\t'],['outra lista','menopausea.\n\nexames']]
Como faço para retirar estes caracteres indesejados? Como
\t \n : . , - _