如何使用python3将数据框中的一个特定文本列转换为'utf-8'

假设您为第二行是df ['text'] = df ['text']的示例编写的内容以'结尾。换句话说，`b'＃谢谢您，\ xe2 \ x80 \ x99s很高兴来到这里....'

出于某种原因，您将字节码转换为字符串，因为尝试解码时会看到AttributeError：'str'对象没有属性'decode'。（理想情况下，最好不要陷入这种情况，请参阅此处以获取一些相关的建议。las，继续您所拥有的...） 我想在这一点上您可以删除b'在字符串的开头，在末尾的'`，然后类型转换回字节码。请注意，这将导致反斜杠转义，因此除了现在以适当的方式将字节码解码为字符串外，还需要处理。使用基于此处的方法，您可以转义并解码字节码。

当df ['text'] = df ['text']且它是一个df ['text'] = df ['text']时，将其与显示为df ['text']`的内容放在一起（类似于注释中的@ rolf82所示）。开头的字符串，从您所拥有的转换将是这样的：

a = "b'#Thank you, it\xe2\x80\x99s good to be here'"
# But we only want the parts between the ''.
s = bytes(r"#Thank you, it\xe2\x80\x99s good to be here","utf-8")
import codecs
print(codecs.escape_decode(s)[0].decode("utf-8"))

这给出了：

#Thank you, it’s good to be here

这就是我们想要的。

现在将其与Pandas集成将需要一些额外的东西，因为我们不能通过在前面加上r来简单地说这是一个原始字符串。根据此处和此处，似乎可以使用.encode（'unicode-escape'）。decode（）代替在前面使用r强制转换为原始字符串，例如：

"#Thank you, it\xe2\x80\x99s good to be here".encode('unicode-escape').decode()

因此，将所有内容放在一起，我将用以下内容替换您的第二行：

import codecs
df['text'] = df['text'].apply(lambda x: codecs.escape_decode(bytes(x[2:-1].encode('unicode-escape').decode(), "utf-8"))[0].decode('utf-8').strip())

*如果不起作用，还可以尝试在.encode（'unicode-escape'）之后省略.decode（），即： ` ` ` python import codecs df['text'] = df['text'].apply(lambda x: codecs.escape_decode(bytes(x[2:-1].encode('unicode-escape'), "utf-8"))[0].decode('utf-8').strip())

回答来源：stackoverflow