m0_58516902 2021-09-06 21:21 采纳率: 100%
浏览 322
已结题

Pycharm| 删除excel文件中的emoji表情符号、URL以及HTML等

使用pycharm编写程序爬取了某个微博用户的评论数据保存于Excel中,但是不知道如何对该数据进行清洗。评论数据里有许多表情,HTML等。我想将数据进行一定程度上处理,只保留文本以方便后续进行分析。请能够灵活运用pycharm的网友给予我技术上的帮助,非常感谢!PS:最好能提供相关代码以供参考。😊

  • 写回答

1条回答 默认 最新

  • CSDN专家-HGJ 2021-09-06 22:00
    关注

    将评论内容读取成数据框,尝试如下处理办法:

    import pandas as pd
    import re
    df=pd.DataFrame({'评论内容':['这是abc。。。测试','使用<div class="title">语言']})
    df['评论内容']=df['评论内容'].apply(lambda x :' '.join(re.findall('[\u4e00-\u9fa5。,!:?]+',x)))
    print(df)
    
    
    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论

    报告相同问题?

    问题事件

    • 系统已结题 9月14日
    • 已采纳回答 9月6日
    • 创建了问题 9月6日

    悬赏问题

    • ¥15 unity 绘画方面的问题
    • ¥15 FTP 明明给了权限但是还是550 Permission denied问题
    • ¥20 Java的kafka错误unknowHostException
    • ¥20 gbase 8a没有lisense,需要获取一个lisense
    • ¥15 前端的3d饼图不知道用啥框架做的
    • ¥15 算法问题 斐波那契数 解答
    • ¥15 VS2019 SPY++ 获取句柄操作
    • ¥15 Facebook 获取广告
    • ¥15 PID算法的输出结果如何转换成pwm
    • ¥15 java文本解密算法