如何用Python解析层级混合文本文件并生成表格？

核心思路 #

通过维护上下文状态跟踪当前所在的组（Group）和章节（Section），逐行解析文本的缩进层级，自动为每条数据填充对应的组/章节信息，最终整理成目标表格结构。

具体实现步骤 #

• 预处理每行文本：逐行读取文件，计算每行开头的空格缩进数，同时去除行尾换行符和首尾多余空格，分离缩进层级与内容。
• 维护上下文变量：定义current_group和current_section两个变量，分别存储当前所处的组和章节信息，初始值为空。
• 按层级分支处理：
  • 缩进0空格：文件首行，无需解析可直接跳过（若有特殊需求可单独处理）。
  • 缩进2空格：识别为Group行，更新current_group为当前行内容，同时重置current_section和临时数据存储字典（新组下无默认章节）。
  • 缩进4空格：识别为Section行，更新current_section为当前行内容，重置临时数据存储字典。
  • 缩进6空格：识别为数据标签（如Number、Date、Time），记录当前标签类型，为后续填充值做准备。
  • 缩进8空格：识别为数据值，将值存入临时字典对应标签的键下；当临时字典集齐Number、Date、Time三个字段时，补充当前current_group和current_section信息，将字典加入结果列表，再重置临时字典以处理下一条数据。

Python代码示例 #

def parse_hierarchical_file(file_path):
    current_group = ""
    current_section = ""
    current_field = ""
    result = []
    temp_data = {}

    # 逐行读取，避免加载大型文件占用过多内存
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.rstrip('\n')
            # 计算缩进空格数
            indent = len(line) - len(line.lstrip(' '))
            content = line.strip()

            if indent == 0:
                continue
            elif indent == 2:
                current_group = content
                current_section = ""
                temp_data = {}
            elif indent == 4:
                current_section = content
                temp_data = {}
            elif indent == 6:
                # 假设标签格式为"Number:"，提取标签名
                current_field = content.split(':')[0].strip()
            elif indent == 8:
                temp_data[current_field] = content
                # 检查是否收集完所有必填字段
                if all(key in temp_data for key in ['Number', 'Date', 'Time']):
                    temp_data['Group'] = current_group
                    temp_data['Section'] = current_section
                    result.append(temp_data.copy())
                    temp_data = {}
    return result

# 调用示例，转换为表格（需安装pandas）
if __name__ == "__main__":
    parsed_data = parse_hierarchical_file("target_file.txt")
    import pandas as pd
    df = pd.DataFrame(parsed_data)
    print(df)

注意事项 #

• 若数据标签与值的对应逻辑有变化（如标签不含冒号），需调整标签提取的代码逻辑。
• 针对超大型文件，可进一步优化为边解析边写入输出文件（如CSV），避免内存积压。
• 若组/章节名称包含固定格式的编号（如Group-001），可使用正则表达式（如r'Group-(\d+)'）提取精准编号，替代直接存储完整名称。

内容的提问来源于stack exchange，提问作者CardPlayer