Potrivire și divizare

Unele tweet-uri din setul tău de date au fost descărcate incorect. În loc de spații pentru a separa cuvintele, conțin caractere ciudate. Decizi să folosești expresii regulate pentru a rezolva această situație. Printezi câteva dintre aceste tweet-uri ca să înțelegi ce tipar trebuie să identifici.

Observi că propozițiile sunt întotdeauna separate de un caracter special, urmat de un număr, cuvântul break și apoi un alt caracter special, de ex. &4break!. Cuvintele sunt întotdeauna separate de un caracter special, cuvântul new și un caracter normal aleatoriu, de ex. #newH.

Variabila sentiment_analysis, care conține textul unui tweet, precum și modulul re au fost deja încărcate în sesiunea ta. Poți folosi print(sentiment_analysis) pentru a o vizualiza în Shell-ul IPython.