解析按标签分隔的亚马逊评论<span>

Question

我正在尝试从.csv文件中读取一些数据。数据示例如下所示：

4.0 /gp/customer-reviews/RKMO449VT48H3?ASIN=1491590173  4.7573214851  Stars "<span class=""a-size-base review-text"">I'm a hard-science science  fiction fan ....  (Btw, I like those stories, too, but good ones are hard to find.)<br/><br/>Somebody did their homework on this one -- and that's what  stands out above all else.</span>"

如果我尝试像这样读取数据：

with open("Andy-Weir-The-Martian.csv", 'r') as csvfile:
 df_total = pd.read_csv(csvfile, sep=",")  

它会引发以下错误：

文件 "pandas\

parser.pyx"， 第 1865 行， in pandas.parser.raise_parser_error （pandas\parser.c：23325） pandas.io.common.CParserError：标记数据时出错。C 错误：第 3 行中预期有 32 个字段，锯 35

关于将这些数据读取到python中的最佳实践有什么想法吗？

Answer 1

这意味着文件

CSV 文件在第 3 行具有不同的布局。您可以使用选项"error_bad_lines"忽略第三行。此外，我在您的示例数据中看不到逗号。它可能是一个标签？

 df_total = pd.read_csv(csvfile, sep=",", error_bad_lines=False)

请注意，当使用 error_bad_lines=False 时，将删除违规行。如果您不想忽略坏行，请调查为什么第 3 行具有不同的列数