python - 如何从 pandas 的字符串列中删除 https 链接

Question

我有以下数据框:

import pandas as pd
df = pd.DataFrame({'col':['text https://random.website1.com text', 'text https://random.website2.com']})

我想删除此列中的所有链接。

有什么想法吗？

Answer 1

使用带有拆分和测试 url 的列表理解，最后按空格连接值:

from urllib.parse import urlparse
#https://stackoverflow.com/a/52455972
def is_url(url):
  try:
    result = urlparse(url)
    return all([result.scheme, result.netloc])
  except ValueError:
    return False

df['new'] = [' '.join(y for y in x.split() if not is_url(y)) for x in df['col']]
print (df)
                                     col        new
0  text https://random.website1.com text  text text
1       text https://random.website2.com       text