在 Python 中转换 Dataframe 中没有分隔符的文本？

Question

所以我有很多看起来有点像这样的日志 txt 文件：

2021-04-01T12:54:38.156Z START RequestId: 123 Version: $LATEST

2021-04-01T12:54:42.356Z END RequestId: 123

2021-04-01T12:54:42.356Z REPORT RequestId: 123  Duration: 4194.14 ms    Billed Duration: 4195 ms    Memory Size: 2048 MB    Max Memory Used: 608 MB

我需要使用此数据创建一个 pandas 数据框，该数据框具有以下功能，其中每一行将显示一个日志：

DateTime, Keyword(start/end), RequestId, Duration, BilledDuration, MemorySize, MaxMemoryUsed

问题是每个文件都有不同的长度并且有不同类型的日志所以不是每一行看起来都一样但是有模式。我从未使用过 RegEx，但我认为这是我必须使用的。那么有没有办法将这个字符串转化为数据集呢？

（我的目标是执行内存使用异常检测）

Answer 1

这里有一个类似的问题：

您可以将 read_csv 与分隔符一起使用：\s*\[

Answer 2

所以显然我仍然不擅长在这个网站上提出正确的问题，但很高兴自己能更好地找到解决方案，所以如果其他人遇到同样的问题，这就是我所做的：

import re
import gzip

counter = 0

for file in file_list:
    # open and read
    file_content = gzip.open(file, 'rb').read().decode("utf-8")
    
    # split file in lines
    splitted_file_content = file_content.splitlines()
    for line in splitted_file_content:
        # look for the report lines
        if re.search('REPORT', line):
            tokens = line.split()
    
            timestamp = tokens[0]
            id = tokens[3]
            billed_duration = tokens[9]
            max_memory_size_used = tokens[18]
            init_duration = tokens[22]
            
            # if you want to pack it in a dataframe
            df.loc[counter] = [timestamp, id, billed_duration,
                               max_memory_size_used, init_duration]
            counter += 1

在 Python 中转换 Dataframe 中没有分隔符的文本？

Convert text with no separators in Dataframe in Python?

python

regex

dataframe

separator