从 python panda 数据框中的大量文本中逐行删除 URL答案

【问题标题】：Remove a URL row by row from a large set of text in python panda dataframe从 python panda 数据框中的大量文本中逐行删除 URL
【发布时间】：2018-01-05 19:59:15
【问题描述】：

我已将数据插入到 pandas 数据框中。像图片建议的那样正如您所看到的，有些行包含 url 链接我想删除所有 url 链接并用“”替换它们（没有只是擦除它）你可以看到第 4 行有一个 url 还有其他行有网址。我想通过 status_message 列中的所有行找到任何 url 并删除它们。我一直在看这个How to remove any URL within a string in Python，但不确定如何在数据帧上使用它。所以第 4 行现在应该投票支持劳工登记。

【问题讨论】：

标签： python regex pandas dataframe spyder

【解决方案1】：

您可以将str.replace 与case=False 参数一起使用：

df = pd.DataFrame({'status_message':['a s sd Www.labour.com',
                                    'httP://lab.net dud ff a',
                                     'a ss HTTPS://dd.com ur o']})
print (df)
             status_message
0     a s sd Www.labour.com
1   httP://lab.net dud ff a
2  a ss HTTPS://dd.com ur o

df['status_message'] = df['status_message'].str.replace('http\S+|www.\S+', '', case=False)
print (df)
  status_message
0        a s sd 
1       dud ff a
2     a ss  ur o

【讨论】：

是的，非常相似，只有一个区别 - case=False 不区分大小写。
为case = False加一

【解决方案2】：

您可以使用.replace() 和正则表达式来做到这一点，即

df = pd.DataFrame({'A':['Nice to meet you www.xy.com amazing','Wow https://www.goal.com','Amazing http://Goooooo.com']})
df['A'] = df['A'].replace(r'http\S+', '', regex=True).replace(r'www\S+', '', regex=True)

输出：

一种 0 很高兴认识你 1 哇 2 惊人的

【讨论】：

【解决方案3】：

我认为你可以做一些简单的事情

for index,row in data.iterrows():
    desc = row['status_message'].lower().split()
    print ' '.join(word for word in desc if not word.startswith(('www.','http')))

只要网址以“www”开头。

【讨论】：

【解决方案4】：

df.status_message = df.status_message.str.replace("www.", "")

【讨论】：