如何将DataFrame的美观打印字符串表示解析回Polars DataFrame？

Polars目前没有内置的官方功能，可以直接将你提供的这种带边框、表头和类型标注的格式化字符串解析回DataFrame。

替代解决方案 #

• 手动字符串解析
  你可以通过字符串处理逻辑提取关键数据：

  1. 先清理字符串中的边框字符（如┌、┐、│、┆等）
  2. 拆分表头、数据类型行和数据行
  3. 将提取到的数据转换为Polars支持的格式后构造DataFrame

  示例代码：

  import polars as pl
  
  df_str = """shape: (3, 2)
  ┌───────┬──────┐
  │ alpha ┆ beta │
  │ ---   ┆ ---  │
  │ i32   ┆ i32  │
  ╞═══════╪══════╡
  │ 0     ┆ 1    │
  │ 1     ┆ 0    │
  │ 2     ┆ 0    │
  └───────┴──────┘"""
  
  # 清理并拆分行
  lines = [line.strip() for line in df_str.split('\n') if line.strip() and not line.startswith(('shape:', '┌', '╞', '└'))]
  header = [col.strip() for col in lines[0].split('┆')]
  # 提取数据行并转换类型
  data_rows = []
  for line in lines[2:]:
      row = [int(col.strip()) for col in line.split('┆')]
      data_rows.append(row)
  
  # 构造DataFrame
  df = pl.DataFrame(data_rows, schema=header)
  print(df)
  

• 使用文本解析工具
  可以借助正则表达式或者像textfsm这类文本模板解析库，更高效地结构化提取字符串中的数据，再转换为Polars DataFrame。

建议优化方向 #

如果是你自己生成的这种字符串输出，建议改用CSV、JSON等结构化格式导出数据，Polars提供了write_csv、write_json等方法，后续可以直接用read_csv、read_json快速解析回DataFrame，避免手动处理格式化字符串的麻烦。

内容的提问来源于stack exchange，提问作者bzm3r