使用pd.read_csv读取txt文件设置sep='+++$+++'报nothing to repeat错误

报错原因 #

pandas使用engine='python'时，sep参数默认会被当作正则表达式解析。你使用的分隔符+++$+++中包含正则特殊字符：

• +在正则语法中表示匹配前一个字符1次及以上
• $在正则语法中表示匹配行尾
  未转义直接传入的话，正则解析逻辑异常，因此抛出nothing to repeat at position 0错误。

可行解决方案 #

方案1：手动转义特殊字符 #

给分隔符中的所有正则特殊字符添加转义符\，同时使用原生字符串（前缀加r）避免Python字符串转义冲突：

pd.read_csv("dataset.txt", sep=r'\+\+\+\$\+\+\+', engine='python')

方案2：使用re.escape自动转义（更推荐） #

调用re.escape()方法可以自动识别并转义字符串中所有的正则特殊字符，不需要手动逐个添加转义符，出错概率更低：

import re
import pandas as pd

df = pd.read_csv("dataset.txt", sep=re.escape('+++$+++'), engine='python')

读取完成后如果需要自定义列名，可直接给df.columns赋值即可，比如：

df.columns = ['用户id1', '用户id2', '电影id', '对话id列表']

内容的提问来源于stack exchange，提问作者OK 400