如何移除DataFrame中含版权符号©的句子？

核心问题1：遍历列表时直接修改列表，导致漏处理元素 #

你在遍历tokens列表的同时调用tokens.remove(sentence)，这会打乱列表的遍历顺序。比如列表里有连续两个带©的句子，第一个被移除后，第二个会被跳过，根本不会被检查到，自然就留了下来。

核心问题2：DataFrame赋值逻辑错误 #

你用df['summaries'].loc[(df['summaries'] == i)] = final来更新值，一旦有重复的article_texts内容，会错误地把所有匹配行都改成同一个final；而且如果summaries列初始值和article_texts不一样，这个条件根本匹配不到，等于白改。

次要问题：异常处理太宽泛 #

except:会捕获所有异常，包括索引错误、空值错误等，你根本不知道代码哪里出了问题，调试起来完全抓瞎。

修复后的代码 #

用列表推导式过滤带©的句子，再用apply处理每一行，逻辑清晰还不会漏处理：

def remove_copyright_sentences(text):
    # 拆分句子（如果需要更准确的拆分可以用nltk的sent_tokenize，这里先按你的方式来）
    sentences = text.split(".")
    # 过滤掉含©的句子，同时去掉空字符串（避免拆分后出现空元素）
    filtered_sentences = [s.strip() for s in sentences if s.strip() and "©" not in s]
    # 重新拼接成段落
    return ". ".join(filtered_sentences)

# 对article_texts列处理后赋值给summaries列
df['summaries'] = df['article_texts'].apply(remove_copyright_sentences)

说明 #

• 列表推导式是一次性生成过滤后的列表，不会出现遍历修改原列表的问题，所有带©的句子都会被检查到并过滤。
• apply方法直接对每一行的文本处理，准确对应每一行的赋值，不会出现匹配错误。
• 去掉了宽泛的异常处理，真出问题能直接看到报错信息，方便调试。

内容的提问来源于stack exchange，提问作者Dawud Sayeed