读取阿拉伯语txt生成DataFrame时触发NoneType不可下标报错

报错和阿拉伯语内容、文件编码没有关系，是文件名提取的正则表达式写法错误导致的：
你写的正则re.compile('\\(.*)\.txt')经过字符串转义后，实际匹配规则是匹配带字面量左括号(、后续接任意字符、以.txt结尾的字符串。之前处理英文文件能正常运行，是因为当时的英文文件名恰好包含(字符，正则可以命中；阿拉伯语文件名里没有左括号，fileName.search(file)的返回值是None，后续执行key[1]时就会触发NoneType不可下标的报错。

删掉正则里多余的、用来转义左括号的反斜杠即可，推荐用正则原生字符串前缀r避免转义冲突，修正后的代码：

# 修正前错误写法：fileName = re.compile('\\(.*)\.txt')
fileName = re.compile(r'(.*)\.txt')

• 提前过滤非txt文件，避免把目录、其他后缀的文件纳入处理流程
• 增加正则匹配结果校验，遇到不符合命名规则的文件打印提示后跳过，避免程序直接中断
• 提取无后缀文件名可以直接用os库内置方法，比正则兼容性更强，不会出现转义错误：os.path.splitext(os.path.basename(file_path))[0]

优化后的完整可运行代码：

import os
import pandas as pd

filePath = []
for file in os.listdir("./arabic_txt"):
    if file.endswith(".txt"):
        filePath.append(os.path.join("./arabic_txt", file))

data = {}
for file in filePath:
    # 直接用os方法提取无后缀文件名，无需正则
    doc_name = os.path.splitext(os.path.basename(file))[0]
    with open(file, "r", encoding='utf-8') as readFile:
        data[doc_name] = [readFile.read()]

df = pd.DataFrame(data).T.reset_index().rename(columns = {'index':'document', 0:'text'})

内容的提问来源于stack exchange，提问作者Misclogo