匹配文本与注释并创建Pandas DataFrame的技术需求

需求说明 #

需要从CSV文件中识别包含关键词$$n[]:或$$n[<任意字符>]:的注释行，将这些注释行与它上方最近的、不含该关键词的文本行进行匹配，最终生成一个Pandas DataFrame展示匹配结果——没有对应注释的文本行用None填充。

示例CSV内容 #

This is text line 1
$$n[]: This is note for text line 1
This is text line 2
This is text line 3
$$n[custom]: This is note for text line 3
This is text line 4

修正后的实现代码 #

import pandas as pd
import re

# 定义匹配注释行的正则表达式，兼容带自定义标识和不带标识的两种格式
note_pattern = re.compile(r'^\$\$n(\[.*?\])?:')

def match_text_note(csv_path):
    text_note_pairs = []
    current_text = None
    
    with open(csv_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue  # 跳过空行
            
            # 判断当前行是否为注释行
            if note_pattern.match(line):
                if current_text is not None:
                    # 提取注释内容（移除开头的关键词标识）
                    note_content = re.sub(note_pattern, '', line).strip()
                    text_note_pairs.append({'text': current_text, 'note': note_content})
                    current_text = None  # 匹配完成后重置当前文本行，避免重复配对
            else:
                # 如果存在未匹配的文本行，先将其以无注释的形式存入列表
                if current_text is not None:
                    text_note_pairs.append({'text': current_text, 'note': None})
                # 更新当前跟踪的文本行
                current_text = line
    
    # 处理文件末尾剩余的未匹配文本行
    if current_text is not None:
        text_note_pairs.append({'text': current_text, 'note': None})
    
    # 转换为Pandas DataFrame
    df = pd.DataFrame(text_note_pairs)
    return df

# 示例调用（替换为你的CSV文件路径）
result_df = match_text_note('your_target.csv')
print(result_df)

代码逻辑说明 #

• 使用正则表达式精准匹配两种格式的注释行开头
• 遍历CSV时维护current_text变量，跟踪当前未配对的文本行
• 遇到注释行时，立即与最近的文本行配对；遇到新文本行时，先处理之前未配对的文本行（标记为无注释），再更新跟踪的文本行
• 最后处理文件末尾可能剩余的未配对文本行

预期输出 #

text                          note
0  This is text line 1        This is note for text line 1
1  This is text line 2                               None
2  This is text line 3  This is note for text line 3
3  This is text line 4                               None

内容的提问来源于stack exchange，提问作者edge selcuk