使用Python从文本文件特定COM注释模式中提取标题文本

完全复用你之前用re.findall做关键字匹配的思路，不需要写复杂的逐行状态判断，直接通过多行正则匹配符合格式要求的COM注释块，一次性提取所有标题：

• 先锁定注释块的上下边界：两行均为COM 开头、后跟连续星号的分隔行
• 提取两个边界中间行的核心内容：去掉行首的COM * 标识和行尾的闭合*，剩余文本就是目标标题
• 提取结果直接生成列表，可直接遍历写入Excel的CATEGORY列

标题提取核心函数 #

import re

def extract_com_block_titles(file_path: str) -> list:
    # 读取目标文本文件内容
    with open(file_path, 'r', encoding='utf-8') as f:
        file_content = f.read()
    
    # 正则匹配规则（多行模式），捕获组返回的内容就是纯标题
    # 规则说明：
    # 1. 匹配上边界：行开头为COM + 空白字符 + 至少5个连续星号到行尾（兼容不同长度的星号分隔线）
    # 2. 匹配中间标题行：COM + 空格 + * + 空白 + 标题内容 + 空白 + * 到行尾
    # 3. 匹配下边界：和上边界规则一致
    match_pattern = re.compile(
        r'^COM\s+\*{5,}$\nCOM\s\*\s*(.*?)\s*\*$\n^COM\s+\*{5,}$',
        flags=re.MULTILINE
    )
    
    # 和你之前提取CTG单引号内容的调用方式完全一致，直接返回所有匹配到的标题列表
    title_list = match_pattern.findall(file_content)
    return title_list

写入Excel CATEGORY列参考 #

from openpyxl import load_workbook

def save_titles_to_excel(title_list: list, excel_file_path: str, target_sheet: str = "Sheet1"):
    wb = load_workbook(excel_file_path)
    ws = wb[target_sheet]
    # 配置项：CATEGORY列对应C列，第1行是表头，从第2行开始写入数据，可根据实际表格结构调整
    category_col = "C"
    start_row = 2
    for index, title in enumerate(title_list):
        ws[f"{category_col}{start_row + index}"] = title
    wb.save(excel_file_path)

调用示例 #

if __name__ == "__main__":
    # 提取标题
    titles = extract_com_block_titles("your_source_text.txt")
    print(f"共提取到{len(titles)}个标题：", titles)
    # 写入Excel
    save_titles_to_excel(titles, "your_target_excel.xlsx")

• 如果你的注释块星号分隔线长度固定，可以把正则里的\*{5,}改成对应长度的匹配规则，比如固定19个星号就写\*{19}，降低误匹配概率
• 如果标题内容本身包含*字符，把正则里的(.*?)改成(.*)即可，会自动匹配到行尾最后一个*前的全部内容
• 如果需要保留标题层级，可以在正则里额外匹配标题行前的缩进字符数，缩进量更大的标题对应子级分类，写入Excel时可同步添加层级标记

内容的提问来源于stack exchange，提问作者Y. Pat