如何解析同行及换行的结构化值？正则匹配技术咨询

我来帮你搞定这个正则匹配和生成DataFrame的问题，核心是要同时处理同行和跨行的键值对，并且保证每条记录的列数一致。

问题分析 #

你的输入文本用@分隔多条记录，每条记录里的[ColX]值结构中，值可能紧跟在括号后，也可能换行到下一行。之前的正则没处理好换行，是因为默认.不匹配换行符，而且没有准确界定值的结束位置，re.MULTILINE只影响^和$的匹配范围，对.的行为没有帮助。

解决方案步骤 #

1. 分割独立记录：先把输入按@拆分成单条记录，避免跨记录干扰；
2. 正则精准匹配：使用带re.DOTALL的正则，匹配[列名]后直到下一个[或记录结尾的所有内容（包括换行）；
3. 结构化转换：提取列名和每行数据，转换为DataFrame。

完整代码实现 #

import re
import pandas as pd

# 你的输入文本（支持跨行场景，比如把某个值换行也能匹配）
input_text = "[Col1]ABC [Col2]DEF [Col3] GHI [Col4] [Col5] MNO @ [Col1]CBA [Col2]FED \n[Col3] IHG [Col4] [Col5] 555-12908JLKA ONM @"

# 1. 分割记录，过滤空内容
records = [record.strip() for record in input_text.split('@') if record.strip()]

# 2. 编译正则：匹配[列名]和对应值，直到下一个[或记录结束
# re.DOTALL让.匹配换行符，(?=\[|$)是正向预查，界定值的结束位置
pattern = re.compile(r'\[(.*?)\](.*?)(?=\[|$)', re.DOTALL)

# 3. 提取列名（从第一条记录获取，确保列统一）
first_record_matches = pattern.findall(records[0])
columns = [col_name for col_name, _ in first_record_matches]

# 4. 处理每条记录，生成行数据
row_data = []
for record in records:
    matches = pattern.findall(record)
    # 提取值并去除首尾空格，空值自动保留为空字符串
    row = [val.strip() for _, val in matches]
    row_data.append(row)

# 5. 转换为DataFrame并输出CSV格式
df = pd.DataFrame(row_data, columns=columns)
print(df.to_csv(index=False))

关键细节说明 #

• re.DOTALL：这个标志是核心，让正则中的.可以匹配换行符，完美解决跨行值的匹配问题；
• 正向预查(?=\[|$)：确保只提取到下一个列名[ColX]之前的内容，不会把后续列的内容错误包含进来；
• 列一致性保障：从第一条记录提取列名，假设所有记录的列顺序和数量一致（符合你的需求），如果有异常情况，可以额外添加校验逻辑（比如补全空列、抛出提示等）。

输出结果 #

运行代码后会输出你期望的结构化CSV：

Col1,Col2,Col3,Col4,Col5
ABC,DEF,GHI,,MNO
CBA,FED,IHG,,555-12908JLKA ONM

内容的提问来源于stack exchange，提问作者milky