如何解决多语言错误:输入在字节 333789共 361147 个附近包含无效的 UTF-8
我正在使用 polyglot 检测英文文本,我在 Pandas 数据帧上应用了一个函数,但出现错误。这是我的代码:
def is_english(self,txt):
# try:
wrap = self.detector(txt)
languages = wrap.languages # The first language will be the most confident language,check if it's English and with more than 98% confidence!
top_lan = languages[0]
return top_lan.name == 'English' and top_lan.confidence >= 98
df = pd.read_csv('data.csv')
df = df[df.input_text.apply(is_english)]
错误是:
pycld2.error: input contains invalid UTF-8 around byte 1383 (of 22731)
我该如何解决这个问题? 谢谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。