Python Pandas str.contains() 行中有超链接

Question

我有两个 pandas 数据帧，如下所示：

df1

df2

所以我想遍历 df2 并在 df1 中找到来自 df2 的链接实例。这是我的代码：

    for row in df2['link'].astype(str):
        boolean_findings = df1['link'].str.contains(row)

当我打印 boolean_findings 时，我得到的都是假的，我知道这不可能是真的，因为我在我的 excel 文件中看到本地匹配：

我想知道的是为什么超链接字符串文本在第一个 df 上没有匹配到它的等效项，以及我可以做些什么来匹配这些网站。

Answer 1

"I took a look and noticed some websites have a ( and ) included in their links, which might be throwing off the links

比较链接时好像只需要考虑alphanumeric/underscore个字符，可以用

df2["link"].str.replace(r'\W+','', regex=True).isin(
    df1["link"].str.replace(r'\W+','', regex=True))

.str.replace(r'\W+','', regex=True) 部分将从链接中删除除字母、变音符号、数字和连接标点符号（最常见的字符是其中的下划线）以外的任何字符。

Python Pandas str.contains() with hyperlinks in rows