如何用Python将MTPL格式文件转换为Pandas DataFrame？

核心思路 #

逐行解析MTPL文件，先提取每个Test块的名称，再拆分块内的属性键值对，最后将所有条目整理成指定结构的Pandas DataFrame。

分步实现 #

• 读取并预处理文件：用Python内置文件操作读取MTPL文件，逐行处理时跳过空白行和仅含大括号的行。
• 捕获Test名称：当行以Test 开头时，提取该行的Test名称（去掉Test 前缀）。
• 解析属性键值对：在{}包裹的块内，对包含=的行进行拆分，提取属性名（Type）和属性值（Value），同时清理值两端的引号和末尾的分号。
• 生成DataFrame：将每个Test名称与对应的属性键值对组成三元组，存入列表后转换为带指定列名的DataFrame。

代码实现 #

import pandas as pd

def mtpl_to_dataframe(file_path):
    rows = []
    current_test_name = None

    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            cleaned_line = line.strip()
            # 跳过无效行
            if not cleaned_line or cleaned_line in ('{', '}'):
                continue
            
            # 提取Test名称
            if cleaned_line.startswith('Test '):
                current_test_name = cleaned_line[5:].strip()
                continue
            
            # 处理属性行
            if '=' in cleaned_line and current_test_name:
                # 按第一个等号拆分，避免值里含等号的情况
                type_col, value_col = cleaned_line.split('=', 1)
                type_name = type_col.strip()
                # 清理值的引号和分号
                value = value_col.strip().strip('";')
                rows.append([current_test_name, type_name, value])
    
    # 转换为目标DataFrame
    df = pd.DataFrame(rows, columns=['Name', 'Type', 'Value'])
    return df

# 使用示例：替换为你的MTPL文件路径
result_df = mtpl_to_dataframe('test.mtpl')
print(result_df)

额外说明 #

• 如果MTPL文件有注释（比如#开头的行），可以在循环中添加if cleaned_line.startswith('#'): continue跳过注释行。
• 代码用split('=', 1)确保即使属性值包含等号，也不会被错误拆分，提升了鲁棒性。

内容的提问来源于stack exchange，提问作者Shi Jie Tio