如何用Python拆分Lua单行长字符串中的数据为独立可操作对象？

核心需求 #

从单行Lua长字符串中提取data={后的所有{值1,值2,值3,值4}格式对象，转换为可独立操作的JSON或表格格式。

实现步骤 #

1. 定位并提取data字段核心内容 #

先通过正则匹配锁定data字段包裹的所有对象内容，跳过无关的Lua语法部分：

import re
import json
import pandas as pd

# 假设lua_data是读取到的单行Lua完整数据字符串
lua_data = "你的单行Lua数据内容..."

# 匹配data={}到结尾}}]]之间的核心数据
match = re.search(r'data=\{(.*?)\}\]\]', lua_data, re.DOTALL)
if not match:
    raise ValueError("未找到目标data字段内容")

data_content = match.group(1)

2. 拆分每个独立对象 #

用正则匹配所有{...}格式的对象，拆分出每个对象的4个值：

# 匹配所有{值1,值2,值3,值4}格式的对象
object_pattern = re.compile(r'\{([^}]+)\}')
objects = object_pattern.findall(data_content)

# 解析每个对象为列表
parsed_data = []
for obj in objects:
    values = [v.strip() for v in obj.split(',')]
    # 确保每个对象严格包含4个值
    if len(values) == 4:
        parsed_data.append(values)

3. 转换为目标格式 #

转JSON格式

json_result = json.dumps(parsed_data, indent=2, ensure_ascii=False)
# 保存到文件
with open('auction_data.json', 'w', encoding='utf-8') as f:
    f.write(json_result)

转表格（CSV/Excel）

对应数据里的fields字段（itemString, minBuyout, numAuctions, marketValueRecent）生成结构化表格：

df = pd.DataFrame(
    parsed_data,
    columns=["itemString", "minBuyout", "numAuctions", "marketValueRecent"]
)
# 保存为CSV
df.to_csv('auction_data.csv', index=False, encoding='utf-8')
# 或保存为Excel
df.to_excel('auction_data.xlsx', index=False)

注意事项 #

• 若数据中存在带逗号的复杂值（如带引号的字符串），需调整拆分逻辑，可改用Lua解析库（如lupa）直接解析Lua代码，避免正则的局限性。
• 正则的re.DOTALL参数确保.能匹配所有字符（包括换行，虽然原数据是单行，但兼容潜在格式变动）。

内容的提问来源于stack exchange，提问作者Mrroach