python - 如何在 Azure ML 执行 Python 脚本步骤中从文本列中删除 HTML

Question

如果传入的 Azure ML 数据集中有一列字符串类型的数据，其中包含搞乱结果的 HTML 标签，我该如何删除这些标签？

Answer 1

像这样:

def azureml_main(dataframe1 = None, dataframe2 = None):
  dataframe1[1] = dataframe1['text'].str.replace('<[^<]+?>', ' ', case=False)
  return dataframe1,

请记住在执行Python脚本步骤之前添加清理缺失数据步骤，并更改操作以删除整行(如果适用)。这很重要，因为执行 Python 脚本 步骤无法返回空的数据帧。在这种情况下，只有您知道您的数据。

我还要指出，预处理文本步骤允许您应用正则表达式。这是另一种可能适合您情况的选择。