【问题标题】：Extract text between characters, strings or brackets提取字符、字符串或括号之间的文本
【发布时间】：2017-11-10 21:06:19
【问题描述】：

我有以下类型的数据：

pd.DataFrame({"Hashtags": [ "[]", "[u'AAPHealthCare4All']", "[u'CBI',","u'Delhi',", "u'Emergency']"]})

预期输出

pd.DataFrame({"Hashtags": [ " ", "AAPHealthCare4All", "CBI","Delhi", "Emergency"]})

括号、括号或逗号和引号均未丢失/错字。 [] 应替换为空格。基本上我想删除所有 "[" ， "]" ， " [u' " 等。我使用了以下代码，但无济于事：

for index,row in df.iterrows(): 
    if "RT @" in row["Tweet"]: 
        df['Hashtags'] =df['Hashtags'].str.replace(r'[^[]]*\[|\][^]*|\[u\'*\'\]|\[\'*\'\]', '')
df.to_csv('string_HT.csv', index=False)

【问题讨论】：

标签： python regex string pandas replace

【解决方案1】：

您可以将以下表达式应用于您的主题标签：

df['Hashtags'] = sum([x if x else [" "] for x 
                      in ast.literal_eval(''.join(df['Hashtags'])\
                                            .replace('][', '],['))],\
                     [])

结果：

[' ', 'AAPHealthCare4All', 'CBI', 'Delhi', 'Emergency']

但是，数据框中的行数会发生变化，并且不会保留索引。您可能错误地使用了数据框。

【讨论】：

【解决方案2】：

您可以使用提取功能：

df.Hashtags.str.extract("'(.*)'").fillna('')
Out[1052]: 
0                     
1    AAPHealthCare4All
2                  CBI
3                Delhi
4            Emergency
Name: Hashtags, dtype: object

【讨论】：

【解决方案3】：

我认为 simpliset 是使用双 strip 和 replace：

df['Hashtags'] = df['Hashtags'].str.strip("[u,]").str.strip("'").replace('', ' ')
print (df['Hashtags'].tolist())
[' ', 'AAPHealthCare4All', 'CBI', 'Delhi', 'Emergency']

双strip 是必要的，因为如果只有一个，它会从字符串的开头和结尾删除所有u：

df = pd.DataFrame({"Hashtags": [ "[]", "[u'uuAAPHealthCare4All']", 
                                "[u'uCBIuu',","u'uDelhi',", "u'Emergency']"]})
print (df)
                   Hashtags
0                        []
1  [u'uuAAPHealthCare4All']
2               [u'uCBIuu',
3                u'uDelhi',
4             u'Emergency']

df['Hashtags'] = df['Hashtags'].str.strip("[u,']")
print (df['Hashtags'])
0                     
1    AAPHealthCare4All
2                  CBI
3                Delhi
4            Emergency
Name: Hashtags, dtype: object

【讨论】：