如何处理无扩展名文件中引号内的|以转换为Python DataFrame

不需要手动修改文件，用Python结合正则表达式批量处理引号内的|，再读取为DataFrame即可，步骤如下：

1. 处理文件内容 #

使用正则匹配所有被双引号包裹的字段，移除其中的|：

import re
import pandas as pd
from io import StringIO

# 读取原始文件内容
with open("your_file", "r", encoding="utf-8") as f:
    raw_content = f.read()

# 替换双引号内的|为空
processed_content = re.sub(
    r'"([^"]+)"',
    lambda match: match.group(0).replace("|", ""),
    raw_content
)

2. 读取为DataFrame #

处理后的内容可以直接通过StringIO在内存中读取，避免生成中间文件：

# 读取为DataFrame，指定分隔符为|，跳过字段前的空格
df = pd.read_csv(
    StringIO(processed_content),
    sep="|",
    skipinitialspace=True,
    na_filter=False  # 避免把空列解析为NaN，可根据需求调整
)

print(df.head())

效果说明 #

你的示例行处理后会变成：

Details|145|Sam's Garden|Retail|12.0|"It's a nice garden"| USD|||||||||||||||||||||||||||
Details|200|That's my thing|Retail|23.4|"Not so great"|EUR|||||||||||||||||||||||||||

此时用sep="|"读取时，引号内的内容会被识别为单个字段，不会出现列数不匹配的问题。

正则说明 #

r'"([^"]+)"' 用于匹配所有成对双引号包裹的内容：

• " 匹配起始双引号
• [^"]+ 匹配任意非双引号的字符（确保只匹配到闭合的引号）
• " 匹配结束双引号
  lambda函数会对每个匹配到的字段，仅替换其中的|，保留其他内容和双引号本身。

内容的提问来源于stack exchange，提问作者Pythonless