如何從 Azure ML 執行 Python 腳本步驟中的文本列中去除 HTML

Question

如果我在傳入的 Azure ML 數據集中有一列字符串類型的數據，其中包含搞砸了我的結果的 HTML 標簽，我該如何刪除這些標簽？

Answer 1

像這樣：

def azureml_main(dataframe1 = None, dataframe2 = None):
  dataframe1[1] = dataframe1['text'].str.replace('<[^<]+?>', ' ', case=False)
  return dataframe1,

請記住在Execute Python Script步驟之前使用Clean Missing Data步驟並更改操作以刪除整行（如果適用）。 這很重要，因為Execute Python Script步驟不能返回空dataframe 。 在這種情況下，只有您知道您的數據。

我還要指出， Preprocessing Text步驟允許您應用正則表達式。 這是另一種可能適合您情況的選擇。