Python实现：将长格式日记文本转换为扁平化CSV格式

问题背景 #

需将Word导出的日记文本迁移至仅支持CSV导入的应用，文本格式规则：

• 每条日记以日期、日记编号开头，以Journal end结尾
• 单条日记内容可跨多行，条目间以换行分隔
• 近1500条日记无法手动处理，使用pandas.read_csv以Journal end为分隔符失败（该方法不支持长分隔符）

解决方案 #

通过读取完整文本、按长分隔符拆分条目、清理内容后转为CSV，具体实现代码如下：

import pandas as pd

# 读取整个文本文件
with open(r'C:\Users\admin\Downloads\journal testing to csv small.txt', 'r', encoding='utf-8') as f:
    content = f.read()

# 按分隔符拆分所有日记条目，过滤空条目
journal_entries = [entry.strip() for entry in content.split('Journal end') if entry.strip()]

# 将条目转为DataFrame，每条占一行
df = pd.DataFrame({'journal_content': journal_entries})

# 导出为CSV文件
df.to_csv(r'C:\Users\admin\Downloads\journal testing csv.csv', index=False, encoding='utf-8')

代码说明 #

• 一次性读取整个文本内容，规避read_csv对长分隔符的限制
• 使用split('Journal end')拆分所有日记条目，strip()清理条目前后的换行和空格，过滤拆分后产生的空内容
• 将处理后的条目存入DataFrame，确保每条日记对应CSV的一行
• 导出时指定index=False避免生成多余的索引列

内容的提问来源于stack exchange，提问作者Waters