如何从TXT解析特定文本块生成格式正确的Excel表格？

1. 正则匹配逻辑重构 #

要解决文本块提取、ITEMNAME纳入、多行Description处理的问题，核心是先匹配完整的文本块，再在块内提取键值对：

块匹配正则 #

用于捕获以ITEMNAME开头、直到空白行或下一个块结束的完整内容：

block_pattern = re.compile(
    r'^(?P<ITEMNAME>.+?)\n'
    r'(?P<content>(?:.+\n)+?)'
    r'(?=\n|^ITEMNAME|\Z)',
    re.MULTILINE | re.DOTALL
)

• ^(?P<ITEMNAME>.+?)\n：捕获开头的ITEMNAME行，作为单独分组
• (?P<content>(?:.+\n)+?)：捕获块内剩余所有内容（非贪婪模式）
• (?=\n|^ITEMNAME|\Z)：匹配终止条件——空白行、下一个ITEMNAME开头或文本结尾

键值对匹配正则 #

用于处理块内的键值对，支持多行Description：

kv_pattern = re.compile(
    r'(?P<key>\w+):\s*(?P<value>(?:(?!^\w+:|\n\n).)+)',
    re.MULTILINE | re.DOTALL
)

• (?P<key>\w+):：捕获键名（字母数字下划线组成）
• (?P<value>(?:(?!^\w+:|\n\n).)+)：捕获值，直到遇到新的键（^\w+:）或空白行（\n\n），包含多行内容

2. 完整代码实现 #

基于pandas和re库的完整处理代码：

import re
import pandas as pd

def extract_items_to_excel(txt_file_path):
    # 读取文本文件
    with open(txt_file_path, 'r', encoding='utf-8') as f:
        full_text = f.read()
    
    # 提取所有目标文本块
    all_blocks = block_pattern.finditer(full_text)
    items_data = []
    
    for block in all_blocks:
        # 提取ITEMNAME
        current_item = {'ITEMNAME': block.group('ITEMNAME').strip()}
        # 提取块内键值对
        kv_matches = kv_pattern.finditer(block.group('content'))
        
        for match in kv_matches:
            key = match.group('key').strip()
            # 把多行值换成空格分隔，避免Excel单元格内换行混乱
            value = match.group('value').strip().replace('\n', ' ')
            current_item[key] = value
        
        items_data.append(current_item)
    
    # 生成Excel文件
    df = pd.DataFrame(items_data)
    df.to_excel('extracted_items.xlsx', index=False)
    print('提取完成，已生成extracted_items.xlsx')

# 替换为你的TXT文件路径
extract_items_to_excel('source_data.txt')

3. 问题对应解决点 #

• 每个块对应一行Excel：先按块提取，每个块生成一个字典，最终列表转DataFrame时自然一行对应一个块
• ITEMNAME纳入字典：从块的开头直接捕获ITEMNAME，作为字典的第一个键值对
• 多行Description处理：键值对正则通过负向预查，确保值部分包含所有连续行，直到新键或空白行出现

内容的提问来源于stack exchange，提问作者jhollis67