在字符，字符串或括号之间提取文本

Question

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"]})

没有括号，括号或逗号和引号丢失/拼写错误。 []应该用空格代替。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)

Answer 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，数据框中的行数将更改，并且不会保留索引。您可能错误地使用了数据框。

Answer 2

您可以使用提取功能：

Jupyter notebook

Answer 3

我认为simpliset使用strip加倍replace：

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

Double 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