解析pandas df列中的url并获取特定索引的值

问题描述

我有一个url列的pandas df。数据如下：

row               url
1      'https://www.delish.com/cooking/recipe-ideas/recipes/four-cheese'
2      'https://www.delish.com/holiday-recipes/thanksgiving/thanksgiving-cabbage/
3      'https://www.delish.com/kitchen-tools/cookware-reviews/advice/kitchen-tools-gadgets/'

我只需要获取第二索引的值，即烹饪或度假食谱等。
所需的输出：

row               url
1               cooking
2               holiday-recipes
3               kitchen-tools

我想将URL解析为不同的列，然后删除不需要的列。这是代码：

df['protocol'],df['domain'],df['path']=zip(*df['url'].map(urlparse(df['url']).urlsplit))

错误消息是：ValueError: The truth value of a Series is ambiguous. Use a.empty,a.bool(),a.item(),a.any() or a.all(). 有解决这个问题的更好方法吗？如何获取特定索引？

解决方法

这是您要找的吗？

df['url'] = df['url'].str.split('/').str[3]
print(df)

   row              url
0    1          cooking
1    2  holiday-recipes
2    3    kitchen-tools

,

另一种方法是将alphas之后的-与字符com匹配

df['url']=df['url'].str.extract('((?<=com\/)[a-z-]+)')



          url
0          cooking
1  holiday-recipes
2    kitchen-tools