如何将指定格式txt文件读取解析为pandas DataFrame

你的文件每行结构为时间戳 + 空格 + JSON格式用户属性，行间存在空行，按以下流程处理即可得到目标DataFrame：

• 逐行读取txt文件，过滤掉无内容的空行，避免解析报错
• 按每行第一个空格做分割，前半段为timestamp字段值，后半段为JSON格式的用户信息
• 用标准库json解析后半段的JSON字符串为字典，把拆分得到的时间戳写入字典
• 把所有处理完成的字典传入pandas.DataFrame，按要求指定列顺序即可

import pandas as pd
import json

record_list = []

# 把括号里的路径替换成你本地txt文件的实际路径
with open("your_data.txt", "r", encoding="utf-8") as f:
    for raw_line in f:
        line = raw_line.strip()
        # 跳过空行
        if not line:
            continue
        # 按第一个空格拆分时间戳和JSON内容
        ts, json_content = line.split(maxsplit=1)
        # 解析JSON为字典
        user_data = json.loads(json_content)
        user_data["timestamp"] = ts
        record_list.append(user_data)

# 生成DataFrame并指定列顺序
df = pd.DataFrame(record_list, columns=["timestamp", "name", "id", "password"])

运行后打印df即可得到符合要求的结构化表格：

timestamp    name id password
0     12:12   alice  1      123
1     12:14     bob  2   1fsdf3
2     12:18  claire  3   12fs3

注：如果后续时间戳格式带日期（比如2024-01-01 12:12），上述拆分逻辑依然生效，不需要额外修改。

内容的提问来源于stack exchange，提问作者jds