Python如何处理Notebook内多行注释CSV片段并提取item code

最高效的处理方式是直接将Notebook内的注释数据转为多行字符串变量，用io.StringIO模拟成文件对象，直接喂给pandas的read_csv解析，全程不需要写入本地文件，也不需要复杂的手动拆分。

完整代码示例 #

import pandas as pd
from io import StringIO

# 直接复制Notebook里的整段数据，用三引号包裹为多行字符串
raw_data = """
# row #   id,     item code,     account,   period,   location
# 1:   idswam1,  754527542,    a396,          3,          IR
# 2:   cbskuf5,  986435614,    a952,          9,          CH
"""

# 简单预处理：去除每行开头的#、行号前缀和多余空白
processed_data = '\n'.join(
    [line.lstrip('# ').split(':', 1)[-1].lstrip() 
     for line in raw_data.splitlines() 
     if line.strip()]
)

# 直接用read_csv读取模拟的文件对象
df = pd.read_csv(
    StringIO(processed_data),
    sep=',\s*', # 兼容逗号后任意数量的空白符
    engine='python'
)

# 提取item code列表
item_codes = df['item code'].tolist()

疑问解答 #

1. 关于多行字符串与变量存储 #

这部分数据属于标准的多行字符串，不需要把每一行单独保存到不同变量中。直接用Python三引号（'''/"""）包裹整段内容即可，Python会自动保留原始换行和文本格式，后续解析直接操作这一个字符串变量就行，拆分到多个变量只会增加冗余工作量。

2. 关于数据格式选择 #

该数据本质还是逗号分隔格式，只是额外带了行首注释标记、行号和多余空白，不需要按其他格式处理。只要通过简单的字符串预处理或pandas读取参数配置，就能直接用read_csv解析，逻辑和读取本地CSV文件完全一致。

内容的提问来源于stack exchange，提问作者Dan