如何通过python删除数据框列中两个特定单词之间的文本

【问题标题】：How to remove text between two specific words in a dataframe column by python如何通过python删除数据框列中两个特定单词之间的文本
【发布时间】：2021-11-27 01:04:10
【问题描述】：

我正在清理的列中有文本，我需要删除“原始”和“主题”这两个词之间的所有词，只要它们出现在只有部分行的列中。

我正在尝试

   a = df['textcol']
   import re
   df['textcol'] =re.sub('Original.*?Subject','',str(a), flags=re.DOTALL)

此函数使每个拖曳中的每个字符串都与第一行完全相同，而不是单独查看每一行并对其进行更改

【问题讨论】：

标签： python regex string

【解决方案1】：

你需要直接使用Series.str.replace：

df['textcol'] = df['textcol'].str.replace(r'(?s)Original.*?Subject', '', regex=True)

这里，(?s) 代表re.DOTALL / re.S 以便不必导入re，这是它们的内联修饰符版本。 .*? 匹配任何零个或多个字符，尽可能少。

如果Original 和Subject 需要作为包含文字的变量传递，请不要忘记re.escape：

import re
# ... etc. ...
start = "Original"
end = "Subject"
df['textcol'] = df['textcol'].str.replace(fr'(?s){re.escape(start)}.*?{re.escape(end)}', '', regex=True)

【讨论】：

非常感谢！