python 旧字体 抽出方法

Question

CSVファイルを読み込んで作成したDataFrameの全体のセルに対して「旧字体が含まれる場合はその行を抽出する」もしくは、「旧字体を常用漢字に変換する」コードを作成したいです。
どのような流れでこれが実現できるか分かりません。同じような情報を見つけることができませんでした。

遠回りな実現方法として、「旧字体一覧表を別に作成して読み込み、その表に含まれる字がある行を抽出する」かと思うのですが、他にもっとよいアイデアはありますでしょうか？
よろしくお願いいたします。

Answer 1

以下のようにします。

>>> import pandas as pd
>>> print(df)
     姓    名 クラス  得点
0  國立  權三      A    30
1  螢野    光      A    50
2  奧田  櫻子      C    60
3  廣瀬  悅朗      C    40
>>> tr_table = str.maketrans('國權螢奧櫻廣悅朗', '国権蛍奥桜広悦朗')
>>> df2 = df.copy()
>>> df2['姓'] = df2['姓'].apply(lambda x: x.translate(tr_table))
>>> df2['名'] = df2['名'].apply(lambda x: x.translate(tr_table))
>>> print(df2)
     姓    名 クラス  得点
0  国立  権三      A    30
1  蛍野    光      A    50
2  奥田  桜子      C    60
3  広瀬  悦朗      C    40

全ての旧字体を変換するためには、必要な文字をtr_tableにすべて追加してください。

Comments

[tomatocco]

ありがとうございます。早速試してみます。

Answer 2

旧字体・新字体 対応 テーブルを用意していた出版社ではSQLで変換していたと記憶しています。