将 .txt 数据分组到数据帧中

Question

我有一个 .txt 文件，其中包含如下数据：

[12.06.17, 13:18:36] Name1: Test test test

[12.06.17, 13:20:20] Name2 ❤️: blabla

[12.06.17, 13:20:44] Name2 ❤️: words words words

words

words

words

[12.06.17, 13:29:03] Name1: more words more words

[12.06.17, 13:38:52] Name3 Surname Nickname: 👍🏼

[12.06.17, 13:40:37] Name1: message?

请注意，消息之前可以有多个名称，也可以出现多行消息。在过去的几天里，我已经尝试了很多方法来将数据分成“日期”、“时间”、“名称”、“消息”组。

我能够弄清楚，正则表达式

(.)(\d+\.\d+\.\d+)(,)(\s)(\d+:\d+:\d+)(.)(\s)([^:]+)(:)

能够捕获消息之前的所有内容（参见：https : //regex101.com/r/hQlgeM/3）。但我无法弄清楚如何添加消息，以便将多行消息分组到上一条消息中。

最后：如果我能够使用正则表达式从 .txt 中捕获每个组，我如何实际将每个组传递到一个单独的列中。过去三天我一直在查看示例，但我仍然无法弄清楚如何最终构建此数据框。

我尝试使用的代码：

df = pd.read_csv('chat.txt', names = ['raw'])

data = df.iloc[:,0]

re.match(r'\[([^]]+)\] ([^:]+):(.*)', data)

另一个无效的尝试：

input_file = open("chat.txt", "r", encoding='utf-8')

content = input_file.read()

df = pd.DataFrame(content, columns = ['raw'])

df['date'] = df['raw'].str.extract(r'^(.)(\d+\.\d+\.\d+)', expand=True)

df['time'] = df['raw'].str.extract(r'(\s)(\d+:\d+:\d+)', expand=True)

df['name'] = df['raw'].str.extract(r'(\s)([^:]+)(:)', expand=True)

df['message'] = df['raw'].str.extract(r'^(.)(?<=:).*$', expand=True)

df

Answer 1

这是我认为适用于我的情况的解决方案。问题是我在使用 read_csv() 时它是 txt 数据。我还需要在传入熊猫之前使用正则表达式来构建我的格式：import reimport pandas as pdchat = open('chat.txt').read()pattern = r'(?s)\[(?P<date>\d+(?:\.\d+){2}),\s(?P<time>\d+(?::\d+){2})]\s(?P<name>[^:]+):(?P<message>.*?)(?=\[\d+\.\d+\.\d+,\s\d+:\d+:\d+]|\Z)'for row in re.findall(pattern, chat):&nbsp; &nbsp; rowdf = pd.DataFrame(re.findall(pattern, chat), columns=['date', 'time', 'name', 'message'])print (df.tail)