从 pandas 列解码 HTML

Question

我有一个数据框，其中一列是西班牙语 fos US Dolares 中的货币名称，即

Dólares

但它是在 HTML 上编码的，所以我实际上读到了“ó”，但我找不到任何方法来对整个专栏进行解码。这是一个问题，因为我之后需要导出到 .csv，这会造成麻烦。

我尝试使用不同的 encoding/decoding 库，例如 beautifulsoup、HTMLParser 和其他几个库。

知道可能是什么问题吗？

Answer 1

我怀疑您看到的是数据库中实际存在的内容："Dólares"

您可以按如下方式转换字符串：

from html2text import unescape

如果你想去掉重音：

unescape("Dólares")

Out[29]'Dolares'

或者如果你想保留口音：

unescape("Dólares", True)

Out[30]: 'Dólares'

要在保持重音的同时解码整列：

df.Currency = df.Currency.apply(unescape, unicode_snob=True)