使用pandas read_table时如何跳过行数不定的C风格注释行

先逐行扫描文件定位注释结束位置，再将对应行号传入skiprows参数即可，具体代码如下：

1. 编写注释行统计函数 #

def count_comment_lines(file_path, encoding='utf-8'):
    in_comment = False
    end_line = 0
    with open(file_path, 'r', encoding=encoding) as f:
        for idx, line in enumerate(f):
            stripped = line.strip()
            if stripped.startswith('/*'):
                in_comment = True
            if in_comment:
                end_line = idx + 1
                if stripped.endswith('*/'):
                    break
    return end_line

函数返回的是注释块占用的总行数，刚好可以直接传给skiprows参数，因为skiprows传入整数时就代表跳过前N行。

2. 读取.tab文件 #

import pandas as pd

tab_path = "你的目标文件路径.tab"
skip_n = count_comment_lines(tab_path)
df = pd.read_table(tab_path, skiprows=skip_n)

特殊场景适配 #

如果文件存在多段分散的/* */注释块，修改统计函数收集所有注释行的行号即可：

def get_all_comment_lines(file_path, encoding='utf-8'):
    in_comment = False
    skip_lines = []
    with open(file_path, 'r', encoding=encoding) as f:
        for idx, line in enumerate(f):
            stripped = line.strip()
            if stripped.startswith('/*'):
                in_comment = True
            if in_comment:
                skip_lines.append(idx)
                if stripped.endswith('*/'):
                    in_comment = False
    return skip_lines

使用时直接把返回的行号列表传给skiprows参数即可。

内容的提问来源于stack exchange，提问作者Yongwu Xiu