pat=re.compile(r'[\u4e00-\u9fa5]+')
result=pat.findall(row)
“\u4e00-\u9fa5”是中文编码范围，只会剩下中文内容，免去了在停用词表中添加一些无意义的标点符号，数字，英文字母等。
附件是“百度停用词列表”，“哈工大停用词表”，“四川大学机器智能实验室停用词库”，“中文停用词库”原始停用词表以及四个整合到一起的停用词表，删除了原有停用词表的标点符号，字母，数字。