从 Pandas Dataframe 中的列中删除 URL答案

【问题标题】：Removing URL from a column in Pandas Dataframe从 Pandas Dataframe 中的列中删除 URL
【发布时间】：2018-08-23 21:04:47
【问题描述】：

我有一个小数据框，正在尝试从 Links 列中字符串的结尾。我已经尝试了以下代码，它适用于 url 独立的列。问题是，只要网址前有句子，代码就不会删除这些网址

这是数据：https://docs.google.com/spreadsheets/d/10LV8BHgofXKTwG-MqRraj0YWez-1vcwzzTJpRhdWgew/edit?usp=sharing（电子表格链接）

import pandas as pd  

df = pd.read_csv('TestData.csv')    

df['Links'] = df['Links'].replace(to_replace=r'^https?:\/\/.*[\r\n]*',value='',regex=True)

df.head()

谢谢！

【问题讨论】：

请不要使用第三方网站的链接。在您的问题中包含尽可能多的相关数据。另外，包括预期结果。
只需删除固定句子起点的^ 部分。这将解决您的问题
@Onyambu 谢谢，这就是我们所需要的。
这能回答你的问题吗？ Remove a URL row by row from a large set of text in python panda dataframe

标签： python python-3.x pandas

【解决方案1】：

试试这个：

import re
df['cleanLinks'] = df['Links'].apply(lambda x: re.split('https:\/\/.*', str(x))[0])

输出：

df['cleanLinks']

    cleanLinks
0   random words to see if it works now 
1   more stuff that doesn't mean anything 
2   one last try please work

【讨论】：

【解决方案2】：

尝试更简洁的正则表达式：

df['example'] = df['example'].replace(r'http\S+', '', regex=True).replace(r'www\S+', '', regex=True)

在 pandas .replace() 或其他任何地方实现正则表达式之前，您应该在单个基本字符串示例上使用 re.sub() 测试模式。当遇到一个大问题时，把它分解成一个小问题。

此外，我们可以使用 str.replace 方法：

df['status_message'] = df['status_message'].str.replace('http\S+|www.\S+', '', case=False)

【讨论】：

【解决方案3】：

对于 Dataframe df，可以使用更简洁的正则表达式删除 URL，如下所示：

df = pd.read_csv('./data-set.csv')
print(df['text'])

def clean_data(dataframe):
#replace URL of a text
    dataframe['text'] = dataframe['text'].str.replace('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', ' ')

clean_data(df)
print(df['text']);

【讨论】：