使用pydicom提取DICOM头导出CSV的字段分隔问题咨询

核心问题根源 #

你之前遇到的拆分困难，本质是试图解析IDE中为了方便人看的DICOM文本打印格式。这个格式的竖线、对齐空格都是排版设计出来的，并非字段的原生分隔标记；加上实际字段的名称、值内部本身就可能包含空格、特殊符号，靠正则、字符串拆分根本不可能做到100%稳定匹配。
使用pydicom做开发时，完全不需要走解析打印文本的弯路，直接利用库本身提供的结构化字段接口就能从根源避开所有分隔符类的问题。

具体实现步骤 #

• 读取DICOM文件时跳过像素数据块（设置stop_before_pixels=True），大幅提升批量处理的速度，也不会因为大体积的像素块拖慢读取流程
• 对每个读取到的DICOM Dataset对象，遍历内部的DataElement实体——每个实体本身就自带固定的结构化属性，无需自行拆分字符串：
  • 组号、元素号：直接通过elem.tag.group、elem.tag.element获取，补零转成4位十六进制字符串即可，对应示例中的0002、0000格式
  • 字段名称：通过pydicom.datadict.keyword_from_tag(elem.tag)调用内置字典获取官方定义的字段名，无论字段名长短、内部有没有空格，都能准确取出，不会因为长度不固定导致拆分错位
  • 值表示（VR）：直接读取elem.VR属性，对应示例中的UL这类类型标记
  • 实际字段值：直接读取elem.value属性，不管值是数字、字符串、多值列表，转成字符串存储即可，值内部的空格、特殊字符不会影响字段边界
• 写入CSV时使用Python标准库的csv模块完成结构化输出，模块会自动对包含逗号、引号、空格的特殊值做转义包裹，完全不需要手动处理分隔符逻辑

可直接复用的参考代码 #

import os
import csv
import pydicom
from pydicom.datadict import keyword_from_tag

# 按需修改路径配置
DICOM_ROOT_PATH = "./your_dcm_directory"
OUTPUT_CSV_PATH = "./dicom_header_output.csv"

csv_columns = ["source_file", "group_tag", "element_tag", "field_name", "value_representation", "field_value"]
output_rows = []

for base_dir, _, file_list in os.walk(DICOM_ROOT_PATH):
    for file_name in file_list:
        if not file_name.lower().endswith(".dcm"):
            continue
        full_path = os.path.join(base_dir, file_name)
        # 跳过读取失败的损坏文件
        try:
            ds = pydicom.dcmread(full_path, stop_before_pixels=True)
        except Exception as err:
            print(f"跳过无法读取的文件 {file_name}: {err}")
            continue
        # 遍历文件内所有DICOM元素
        for elem in ds:
            # 处理非官方字典定义的私有标签
            field_name = keyword_from_tag(elem.tag) or f"Private tag {elem.tag}"
            output_rows.append([
                file_name,
                f"{elem.tag.group:04X}",
                f"{elem.tag.element:04X}",
                field_name,
                elem.VR,
                str(elem.value)
            ])

# 写出CSV文件，编码设为utf-8避免中文乱码
with open(OUTPUT_CSV_PATH, "w", newline="", encoding="utf-8") as f:
    csv_writer = csv.writer(f)
    csv_writer.writerow(csv_columns)
    csv_writer.writerows(output_rows)

方案适配性说明 #

这套实现完全覆盖遇到的所有问题场景：

• 不存在"空格是分隔符还是内容组成部分"的歧义，所有字段边界都是从pydicom的原生结构化接口获取的，和打印格式的排版规则完全解耦
• 不管字段名是长是短，都能准确识别，不会因为字段长度不一导致拆分错位
• CSV写入层自动处理特殊字符转义，不会出现列错位、内容被截断的问题

注意：如果需要读取私有标签的字段名，可以根据私有标签的创建方字典做补充映射，不需要依赖打印格式的文本解析。

内容的提问来源于stack exchange，提问作者T-Man