使用Pandas sep='\t'读取HPLC导出文件时触发ParserError问题

• 默认pd.read_csv()用逗号当分隔符，你文件里的内容是制表符分隔但没逗号，所以整行被当成单个字段。
• 设置sep='\t'报错，核心原因是文件里有列数不一样的多个区块：比如[File Information]下全是2列的键值对，但[Configuration]里有3列的行（像Detector ID\tDetector A\tDetector B），pandas默认要求所有行列数统一，直接读取就触发ParserError了。

这种带区块的结构化文本，没法用read_csv一次性读，得先拆分区块，再按每个区块的结构单独处理。

步骤1：读取并清理文件内容 #

先把文件按行读进来，过滤掉空行，去掉每行首尾的空格：

import pandas as pd
import glob

files = glob.glob('./*.txt')
target_file = files[0]

# 读取文件，处理空行和多余空格
with open(target_file, 'r', encoding='utf-8') as f:
    lines = [line.strip() for line in f if line.strip()]

步骤2：拆分各个区块 #

识别以[XXX]开头的区块标题，把每个区块的内容单独存起来：

blocks = {}
current_block = None
current_data = []

for line in lines:
    # 判断是不是区块标题
    if line.startswith('[') and line.endswith(']'):
        # 先把上一个区块存好（如果有的话）
        if current_block is not None:
            blocks[current_block] = current_data
        # 更新当前区块的名字和数据列表
        current_block = line.strip('[]')
        current_data = []
    else:
        # 按制表符拆分每行内容，支持多列情况
        current_data.append(line.split('\t'))

# 别忘了存最后一个区块
if current_block is not None:
    blocks[current_block] = current_data

步骤3：根据区块结构转成DataFrame #

不同区块结构不一样，分开处理：

处理键值对类型区块（比如File Information）

这类区块每行都是2列，直接转成键值对的DataFrame：

file_info_data = blocks['File Information']
file_info_df = pd.DataFrame(file_info_data, columns=['属性', '值'])
print(file_info_df)

处理带表头的多列区块（比如Configuration）

这个区块里既有键值对，又有多列的表格，得拆成两部分处理：

config_data = blocks['Configuration']

# 找到多列表格的表头行（第一个列数超过2的行）
header_idx = next(i for i, row in enumerate(config_data) if len(row) > 2)
header = config_data[header_idx]

# 表头前面的是键值对部分
config_kv_df = pd.DataFrame(config_data[:header_idx], columns=['属性', '值'])
# 表头后面的是多列数据部分
config_table_df = pd.DataFrame(config_data[header_idx+1:], columns=header)

print("配置项键值对：")
print(config_kv_df)
print("\n检测器配置表格：")
print(config_table_df)

额外提示 #

• 如果你的文件还有其他类型的区块，可以根据列数、内容特征加判断逻辑。
• 要是遇到编码错误，就在open()里指定正确编码（比如encoding='gbk'，看HPLC导出的文件编码调整）。

内容的提问来源于stack exchange，提问作者sisseck.net