从熊猫数据框中提取特定信息答案

【问题标题】：Extract specific information from pandas data frame从熊猫数据框中提取特定信息
【发布时间】：2020-10-30 22:15:23
【问题描述】：

我的数据框看起来像 -

id                                           text
1               ><body lang="EN-IN" link="#0563C1" vlink="#954F72"><div class="WordSection1"><p 
                class="MsoNormal">I am interested.</p><p class="MsoNormal">I need :</p><p 
                class="MsoNormal">330 wp</p><p class="MsoNormal">50 modules</p><p 
                class="MsoNormal">&nbsp;</p><table class="MsoNormalTable" border="0" 
                cellspacing="0" cellpadding="0" width="0" style="width:282.0pt; border- 
                collapse:collapse">

2               ><body lang="EN-IN" link="#0563C1" vlink="#954F72"><div class="WordSection1"><p 
               class="MsoNormal">I am not interested.</p><p 
               class="MsoNormal">&nbsp;</p><table class="MsoNormalTable" border="0" 
               cellspacing="0" cellpadding="0" width="0" style="width:282.0pt; border- 
               collapse:collapse">

我的最终数据框看起来像 -

id                                           text                         final_text                                              
1               ><body lang="EN-IN" link="#0563C1"                     I am interested. I need
                 vlink="#954F72"><div class="WordSection1"><p          330 wp  50 modules    
                class="MsoNormal">I am interested.</p>
                <p class="MsoNormal">I need :</p><p 
                class="MsoNormal">330 wp</p><p 
                class="MsoNormal">50 modules</p><p 
                class="MsoNormal">&nbsp;</p><table 
                 class="MsoNormalTable" border="0" 
                cellspacing="0" cellpadding="0" 
                width="0" style="width:282.0pt; border- 
                collapse:collapse">

2               ><body lang="EN-IN" link="#0563C1"                      I am not interested.
                vlink="#954F72"><div class="WordSection1"><p 
               class="MsoNormal">I am not interested.</p><p 
               class="MsoNormal">&nbsp;</p><table 
               class="MsoNormalTable" border="0" 
               cellspacing="0" cellpadding="0" 
               width="0" style="width:282.0pt; border- 
               collapse:collapse">

逻辑应该捕获存在于<p class="MsoNormal"> and </p>.之间的所有信息，但不包括这个字符串"&nbsp"。我想用 python 来做。

【问题讨论】：

标签： python-3.x pandas scikit-learn pandas-groupby

【解决方案1】：

通常人们不会发布诸如“给我代码”之类的问题。您可以尝试发布与“如何从看起来像这样的句子中删除标签”或其他内容相同的问题。

无论如何，这是您的解决方案。

def get_sent(s):
    sent = ' '.join([i[1:] for i in s[1:].replace('>','|~').replace('<','|').split('|') if i[:1]=='~' and len(i)>1 and i[:2]!='~&'])
    return sent

df['final_text'] = df['text'].apply(get_sent)

希望这会有所帮助。

【讨论】：