如何通过Regex提取吉他tab数据并转换为对应结构DataFrame

核心实现逻辑 #

原始Tab文本存在[tab]前缀、末尾E弦无闭合|、带\r换行符的特征，直接单匹配e弦的规则无法覆盖6根弦的提取需求，调整后实现路径如下：

• 正则匹配规则采用r'([eBGDAE])\|(.*?)(?:\||\r?$)'，开启多行匹配模式：
  • 第一个捕获组匹配弦名（e/B/G/D/A/E共6根弦）
  • 跳过弦名后的竖线分隔符
  • 第二个捕获组提取弦上的Tab内容，匹配终止条件为下一个竖线分隔符，或行尾（兼容最后一根弦无闭合竖线的情况）
• 提取后对所有弦的内容做长度对齐，长度不足的位置补-，保证每列对应同一演奏位置，最终按e、B、G、D、A、E的顺序生成6行的DataFrame。

可直接运行的代码实现 #

import re
import pandas as pd

# 原始抓取到的tab文本
raw_tab = """[tab]e|------------------------------------------------------------------------|\r
B|----------3------5-------3----------------------------------------------|\r
G|---2-4---------------4----------4-2-0-----------------------------------|\r
D|---------------------------------------0---------------0-0--------------|\r
A|-----------------------------------------------------2------------------|\r
E|------------------------------------------------------------------------
"""

# 1. 正则提取所有弦的内容
string_pattern = re.compile(r'([eBGDAE])\|(.*?)(?:\||\r?$)', re.MULTILINE)
string_data = dict(string_pattern.findall(raw_tab))

# 2. 按标准弦序排序，对齐所有弦的内容长度
target_string_order = ['e', 'B', 'G', 'D', 'A', 'E']
max_length = max(len(content) for content in string_data.values())
aligned_content = []
for string_name in target_string_order:
    content = string_data[string_name]
    # 长度不足补横杠对齐
    padded_content = content.ljust(max_length, '-')
    aligned_content.append(list(padded_content))

# 3. 生成DataFrame，每行对应一根弦
df = pd.DataFrame(aligned_content, index=target_string_order)

效果说明 #

生成的DataFrame共6行，索引分别对应e、B、G、D、A、E六根弦，每一列对应Tab上的一个品格位置，可直接用于后续MIDI音符转换：数字代表对应弦按压的品格数，-代表该位置弦无演奏动作。

注意：如果Tab中存在两位数的品格（比如10品、12品），可以在提取后额外做滑窗合并数字的处理，基础单数字品格的场景下上述代码可直接运行。

内容的提问来源于stack exchange，提问作者sisyphus