将包含 unicodes 的 Pandas 字符串列转换为 ascii 以加载 url

小能豆

将包含 unicodes 的 Pandas 字符串列转换为 ascii 以加载 url

我有一个 pandas DataFrame，其中包含一个包含 Wikipedia 网址的列，我想将其加载。但是，有些字符串无法加载，因为它们包含 unicode。例如，“Kruskal %E2%80%93 Wallis_one-way_analysis_of_variance”引发以下问题

PageError: Page id "Cauchy%E2%80%93Schwarz_inequality" does not match any      pages. Try another id!

有没有办法将所有 unicode 转换为 ascii？因此，在这种情况下，我需要一个可以创建新列的函数：

old column                            new column
Cauchy%E2%80%93Schwarz_inequality     Cauchy–Schwarz_inequality
Markov%27s_inequality                 Markov's_inequality

阅读 16

2024-12-12

共1个答案

小能豆

urllib.parse.unquote应该可以解决问题。希望这能有所帮助。

In [1]: import urllib
   ...: 
   ...: import pandas as pd
   ...: 
   ...: 
   ...: df = pd.DataFrame({'url': ['Markov%27s_inequality', 'Cauchy%E2%80%93Schwarz_inequality']})
   ...: df['clean_url'] = df['url'].apply(urllib.parse.unquote)
   ...: 

In [2]: df
Out[2]: 
                                 url                  clean_url
0              Markov%27s_inequality        Markov's_inequality
1  Cauchy%E2%80%93Schwarz_inequality  Cauchy–Schwarz_inequality

2024-12-12