Heres an image of how the data looks in the 'content' column
我在熊猫中加载了一个csv文件。在“内容”列中，每一行包含不同长度的html编码文本。有些就像500多个单词。我的目标是摆脱“内容”列所有行中的所有html编码。
有人可以帮助获得此代码吗？
到目前为止，我只有这个... 数据集= pd.read_csv（'NuggetData.csv'）
“内容”是表中的第9列（如果第一列为0），大约有17,000行。
内容列中的示例文本（顺便说一句，这不是第1行的全文，甚至更长）：
第1行： <h2>A bold new toy commercial debuted last week, and it's got the internet talking.</h2><div><div data-reactroot="" class="push-wrapper--mobile" data-card="image"><img src="//i.upworthy.com/nugget/57e9536dca7292001f000008/attachments/toygif1-65977b573530a2407626f8a4aad22a4e.gif" class=""><div class="image-caption"><p>GIFs via Smyths Toys.</p></div></div></div><h2>In some ways, it was pretty standard because a boy's love for rocket ships isn't all that unique.</h2><div><div data-reactroot="" class="push-wrapper--mobile" data-card="image"><img src="//i.upworthy.com/nugget/57e953b8e2d8c7001f00002d/attachments/toygif2-6ef9ddacf2a56c63a84d773645450563.gif" class=""></div></div><h2>Neither is his love of Legos.</h2><div><div data-reactroot="" class="push-wrapper--mobile" data-card="image"><img src="//i.upworthy.com/nugget/57e95558e2d8c7002b000025/attachments/toygif4-4f0829dad2602f7dd6ed52813e6791a5.gif" class=""></div></div><h2>Plenty of boys like to (pretend to) drive motorcycles, too.</h2><div><div data-reactroot="" class="push-wrapper--mobile" data-card="image"><img src="//i.upworthy.com/nugget/57e95595ca72920034000029/attachments/toygif5-e1824fae63099796ac2947ba76ea185d.gif" class=""></div></div><h2>But ... playing dress-up as a queen in front of a crowd of cheering supporters?</h2><div><div data-reactroot="" class="push-wrapper--mobile" data-card="image"><img src="//i.upworthy.com/nugget/57e954c0e2d8c7002d00001e/attachments/toygif3-21ea60c5917fd80da817919c655a4c96.gif" class=""></div></div><p><em>That's</em> extraordinary. </p><h2>
答案 0 :(得分：0)
我建议您使用BeautifulSoup（库）并列出理解内容来解析内容列。
首先，您需要了解HTML所需的内容。为了说明我在做一些假设：
findAll('div')）中的内容.text）内的文本[2]）中的文本from bs4 import BeautifulSoup as bs
dataset['parsed_content'] = [bs(x,'lxml').findAll('div')[2].text for x in dataset['content']]
使用前面的代码将新列添加到数据框，但绝不修改内容。
依赖项BeautifulSoup和lxml可以使用pip安装。