m0_58516902 2021-09-06 21:21 采纳率: 100%
浏览 413
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 求MCSCANX 帮助
  • ¥15 机器学习训练相关模型
  • ¥15 Todesk 远程写代码 anaconda jupyter python3
  • ¥15 我的R语言提示去除连锁不平衡时clump_data报错,图片以下所示,卡了好几天了,苦恼不知道如何解决,有人帮我看看怎么解决吗?
  • ¥15 在获取boss直聘的聊天的时候只能获取到前40条聊天数据
  • ¥20 关于URL获取的参数,无法执行二选一查询
  • ¥15 液位控制,当液位超过高限时常开触点59闭合,直到液位低于低限时,断开
  • ¥15 marlin编译错误,如何解决?
  • ¥15 VUE项目怎么运行,系统打不开
  • ¥50 pointpillars等目标检测算法怎么融合注意力机制