python - 将 HTML 标签删除应用于 Pandas 列

Question

我需要从 pandas 列中的所有内容中删除 HTML 标签，只保留描述。

我已经删除了一个列的标签，但需要将它们应用到其他列 - 这就是我曾经做过的；

输入:

df.description[1]

输出:

'<p>Das Ziel der <a href="http://swa-muc.de">Software Architektur München Gruppe</a> ist es, Menschen, die sich mit Software-Architektur auseinandersetzen wollen, in und um München regelmäßig zusammenzubringen, und einen persönlichen Erfahrungsaustausch zu etablieren. Dazu dienen neben der Meetup-Gruppe insbesondere der persönliche Erfahrungsaustausch, organisiert in informellen Treffen, Diskussion von Erfahrungsberichten und Case Studies bis hin zu Vorträge und Workshops. Diese werden auch über Twitter <a href="https://twitter.com/swamuc">@swamuc</a> und Meetup bekannt gegeben.</p>'

我做了；

read = df.description[1]
read_result = re.sub('<[^<]+?>', '', read)
print(read_result)

输出:

Das Ziel der Software Architektur München Gruppe ist es, Menschen, die sich mit Software-Architektur auseinandersetzen wollen, in und um München regelmäßig zusammenzubringen, und einen persönlichen Erfahrungsaustausch zu etablieren. Dazu dienen neben der Meetup-Gruppe insbesondere der persönliche Erfahrungsaustausch, organisiert in informellen Treffen, Diskussion von Erfahrungsberichten und Case Studies bis hin zu Vorträge und Workshops. Diese werden auch über Twitter @swamuc und Meetup bekannt gegeben.

一切都很好，但我需要对整个 df.description Pandas 专栏执行此操作。

这是我试过的:

 new_read = df.description[0:10148]
 new_read_result = re.sub('<[^<]+?>', '', new_read)
 print(new_read_result) 

但是，这不是功能性的并且返回；

TypeError: expected string or bytes-like object

这是我尝试应用的另一种方法:

df.description.apply(re.sub('<[^<]+?>', '', new_read))

但也不起作用。

如何将它应用于整个 pandas 专栏？

Answer 1

在apply中使用lambda:

例如:

import pandas as pd
import re

df = pd.DataFrame({"description": ['<p>Hello</p>', '<p>World</p>']})
print( df.description.apply(lambda x: re.sub('<[^<]+?>', '', x)))

输出:

0    Hello
1    World
Name: description, dtype: object