文本文件Regex解析：提取指定区间注释内容生成Pandas DataFrame

实现代码 #

你可以结合正则匹配直接提取注释内的目标内容，完整实现如下：

import pandas as pd
from io import StringIO

fn = r'C:\Users\asdert\Downloads\Network.RAW'
# 更稳妥的文件读取写法，自动管理文件句柄
with open(fn, 'r', encoding='utf-8', errors='ignore') as f:
    content = f.read()

# 截取目标区间的文本
start = content.find('END OF ONE DATA, BEGIN SECOND DATA')
end = content.find('END OF SECOND DATA, BEGIN THIRD DATA')
branch_data = content[start:end]

# 读取为单列DataFrame，避免把第一行识别为列名
df = pd.read_csv(StringIO(branch_data), sep='\n', header=None, names=['raw_line'])

# 提取注释中的名称，去除前后空格后过滤无效行，生成目标DataFrame
result_df = df['raw_line'].str.extract(r'/\*\[(.+?)\]\s*\*/')[0]\
            .str.strip()\
            .dropna()\
            .reset_index(drop=True)\
            .to_frame(name='name')

# 输出结果验证
print(result_df)

逻辑说明 #

• 正则规则/\*\[(.+?)\]\s*\*/专门匹配/*[xxx]*/格式的注释，自动提取[和]中间的内容
• 不包含目标注释的行匹配后会生成空值，用dropna直接过滤即可
• 如果读取文件出现编码报错，可把encoding='utf-8'替换为encoding='gbk'适配Windows系统下的常见编码格式

内容的提问来源于stack exchange，提问作者Zanam