Python实现长字符串转DataFrame：菜品数据转分类、菜名、价格列

我来帮你搞定这个餐单转DataFrame的需求！你的字符串是按全大写分类标签（比如APPETIZERS、ENTREES）划分菜品，每个菜品末尾跟着两位小数的价格，我们可以用正则表达式精准拆分这些内容，一步步实现：

步骤1：预处理字符串并匹配分类 #

首先把字符串里的HTML实体&替换成正常的&，然后用正则捕获每个分类及其对应的所有菜品内容：

步骤2：拆分每个菜品的名称和价格 #

针对每个分类下的菜品块，再用正则拆分出单个菜品的名称和价格，最后整理成DataFrame需要的结构。

完整代码实现 #

import re
import pandas as pd

# 你的原始餐单字符串
meals_string = "APPETIZERS Southern Fried Quail with Greens,Huckleberries,Pecans & Blue Cheese 14.00 Park Avenue Cafe Chopped Salad Goat Feta Cheese,Nigoise Olives,Marinated White [...] ENTREES Horseradish Crusted Canadian Salmon,Potato Fritters, Marinated Cucumbers,Chive Vinaigrette 27.00 Sautéed Prawns with Mushroom Tortellini,Grilled Tomato Vinaigrette & Sweet Corn 29.50"

# 替换HTML实体，还原正常的&符号
cleaned_string = meals_string.replace("&", "&")

# 正则匹配分类标签（全大写）和该分类下的所有菜品内容
category_pattern = r"([A-Z]+)\s+(.*?)(?=\s+[A-Z]+|$)"
category_matches = re.finditer(category_pattern, cleaned_string, re.DOTALL)

# 存储最终数据的列表
meal_data = []

for cat_match in category_matches:
    category = cat_match.group(1)
    items_block = cat_match.group(2).strip()
    
    # 拆分每个菜品：匹配菜品名称（直到最后两位小数价格前的内容）和价格
    item_pattern = r"(.*?)\s+(\d+\.\d{2})(?=\s|$)"
    item_matches = re.finditer(item_pattern, items_block)
    
    for item_match in item_matches:
        meal_name = item_match.group(1).strip()
        price = float(item_match.group(2))
        meal_data.append({
            "Category": category,
            "Meal_name": meal_name,
            "Price": price
        })

# 转换为DataFrame
meal_df = pd.DataFrame(meal_data)
print(meal_df)

代码说明 #

• HTML实体替换：把&换成&，避免后续文本处理时出现异常；
• 分类匹配正则：([A-Z]+)\s+(.*?)(?=\s+[A-Z]+|$) 捕获全大写的分类名称，然后捕获该分类下的所有内容，直到遇到下一个全大写分类或字符串结尾；
• 菜品拆分正则：(.*?)\s+(\d+\.\d{2})(?=\s|$) 捕获菜品名称（所有内容直到最后两位小数的价格前），然后提取价格并转为浮点数；
• 数据整理：把每个菜品的分类、名称、价格存入字典，最后转成DataFrame。

扩展说明 #

如果你的分类标签是多个全大写单词（比如MAIN COURSES），只需要把分类匹配的正则调整为：

category_pattern = r"([A-Z\s]+?)\s+(.*?)(?=\s+[A-Z]+|$)"

这样就能正确捕获多单词的分类名称了。

内容的提问来源于stack exchange，提问作者default_settings