Python 从pandas列解码HTML

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

达拉斯

但它是用HTML编码的，所以我实际上读了“ó”，我找不到任何方法对整个专栏进行解码。这是一个问题，因为我需要导出到.csv后，这会导致麻烦

我尝试了不同的编码/解码库，如beautifulsoup、HTMLParser等

---

知道问题出在哪里吗？

我怀疑您看到的是数据库中的实际内容：

“Dó；lares”

您可以按如下方式转换字符串：

from html2text import unescape

如果要消除重音，请执行以下操作：

unescape("Dólares")

Out[29]'Dolares'

unescape("Dólares", True)

Out[30]: 'Dólares'

或者，如果您想保留口音：

unescape("Dólares")

Out[29]'Dolares'

unescape("Dólares", True)

Out[30]: 'Dólares'

要在保留重音的同时解码整个列，请执行以下操作：

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

---

您使用了什么代码来尝试？输出是什么？你能发布一些样本数据吗？输入（和输出）的文本编码是什么？您使用的是什么操作系统？@Cyberguille MacOS High Sierra 10.13。2@EvanIm使用MySQLdb从数据库查询（您可以在此处找到代码：）。大多数时候它根本没有解码任何东西。输入数据中的“Dó；lares”来自西班牙语中的“Dólares”一词/我想我有点困惑；HTML不是一种编码，它是一种标记语言。HTML显示的文本使用字符集编码，例如ASCII或UTF-8。现在推荐使用UTF-8，但如果您使用的是Python 2.7，我不确定兼容性有多强。可能是相关的：这是一个诀窍，我遇到了另外一个问题，我想为未来的人补充。我不得不强制转换到str，因为列中的一些值是'NoneType'。很高兴听到这个消息。您可以在

unescape

之前执行

df.Currency=df.Currency.fillna（“”

）。