python - 将 BeautifulSoup 函数应用于 Pandas DataFrame

Question

我有一个 Pandas DataFrame，它是通过读取 csv 得到的，在那个文件中有我想删除的 HTML 标签。我想用 BeautifulSoup 删除标签，因为它比使用像 <.*?> 这样的简单正则表达式更可靠。

我通常通过执行从字符串中删除 HTML 标签

text = BeautifulSoup(text, 'html.parser').get_text()

现在我想对我的 DataFrame 中的每个元素执行此操作，因此我尝试了以下操作:

df.apply(lambda text: BeautifulSoup(text, 'html.parser').get_text())

但这会返回以下错误:

ValueError: ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', 'occurred at index id')

Answer 1

使用applymap

例如:

import pandas as pd
from bs4 import BeautifulSoup


df = pd.DataFrame({"a": ["<a>Hello</a>"], "b":["<c>World</c>"]})
print(df.applymap(lambda text: BeautifulSoup(text, 'html.parser').get_text()))

输出:

       a      b
0  Hello  World

MoreInfo