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

Question

我有一个 pandas DataFrame，其中包含我想要加载的维基百科网址列。但是，某些字符串不会加载，因为它们包含 unicode。例如，'Kruskal %E2%80%93Wallis_one-way_analysis_of_variance' 引发以下

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

有没有办法把所有的unicode转成ascii？所以在这种情况下，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

Answer 1

urllib.parse.unquote 应该可以解决问题。希望这有帮助。

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

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

Transform Pandas string column containing unicodes to ascii to load urls

python

wikipedia-api

pandas

python-unicode