如何用Pandas删除CSV中抓取的航空评论特殊符号及验证文本

你的核心需求是移除评论里的✅符号、|分隔符及关联的验证声明文本，之前的正则没解决问题是因为没精准匹配验证内容的完整结构，以下是针对性处理方法：

方法1：精准移除末尾验证模块 #

假设评论格式为「真实评论内容✅|验证声明xxxx」，直接匹配✅+|+后续所有行尾内容，替换为空：

data['reviews'] = data['reviews'].str.replace(r'✅\|.*$', '', regex=True)

• 正则说明：✅\| 匹配✅和|（|是正则特殊字符，需转义），.*$ 匹配从该位置到行尾的所有文本（即验证声明）

方法2：同时清理零散特殊符号 #

如果评论中间也存在单独的✅或|，在上述步骤基础上增加全局替换：

# 先删除末尾验证模块
data['reviews'] = data['reviews'].str.replace(r'✅\|.*$', '', regex=True)
# 清理剩余的✅和|符号
data['reviews'] = data['reviews'].str.replace(r'[✅\|]', '', regex=True)
# 可选：清理替换后残留的首尾空格
data['reviews'] = data['reviews'].str.strip()

之前方法无效的原因 #

• 第一个正则[^a-zA-Z0-9\s]+会删除所有非字母/数字/空格的字符，不仅误删评论里的标点（如问号、感叹号），还完全没处理验证声明文本
• 第二个批量替换的正则列表未针对「✅+|+验证文本」的完整结构，无法移除整段验证内容

如果验证声明格式有变化（比如✅后无|直接接文本），可将正则改为✅.*$，同样能匹配✅及之后的所有内容。

内容的提问来源于stack exchange，提问作者عمر عيسى