带有HTML特殊字符的熊猫read_csv（）

Question

我正在清理用逗号分隔的Python / Pandas中的CSV文件。

有些单元格具有& 作为文本的一部分。 当我运行read_csv（）时，它会将分号视为当前单元格的末尾，并使行的其余部分偏移。

我试过encoding='utf8'和其他各种选项...

编辑**我的代码：

file = pd.read_csv('my-data-1.csv', encoding = 'utf8',index_col=False, low_memory=False)

file.drop(file.tail(1).index,inplace=True) #removing copyright line at the end


file_drop_dupes = file.drop_duplicates(['Project Id']) #drop the duplicates based on column Project Id

#drop all columns except these few
keep_col = ['Project Id','Project Name', 'Type']
new_file = file_drop_dupes[keep_col]
#write the result to a new csv file
new_file.to_csv('all-good-1.csv', index=False)

HTML字段的示例：

Service Maintenance & Supply

Answer 1

在python 3.4及更高版本中，它是一个简单的html.unescape() 。 在此之前，html.parser的HTMLParser.unescape() 。 看到这个答案 。

Answer 2

如果您使用的是python 3+ html.unescape()是解决方案