Python 在元数据之后检测CSV的开始

我正在使用HDT Jena收集数据，并将其存储在

csv

文件中以供进一步使用。不幸的是，元数据被添加到文件的开头和结尾。
目标：检测元数据的结束位置和标头的位置，以便在数据帧中读取（使用熊猫）。
第一次尝试并发现问题：首先，我注意到它总是以字符串

[INFO]

开头。 我最初的解决办法是：

def find_beginning(csv_file):
    textfile = open(csv_file)
    f = textfile.readlines()
    for num, line in enumerate(f):
        if '[INFO]' in line:
            continue
        else: 
            return num

这会给我文件的开头，我会读到：

df = pd.read_csv(csv_file, skiprows=range(0, find_beginning(csv_file)))

• 但是，在某些例外情况下第一行可能不一定以

  [INFO]

  开头，如下示例所示：

• 此外，我正在处理许多文件，这些文件在dataframe中具有不同的标题和不同的行/列数或元素数（因此排除了查找标题或以每行元素数为标准的正则表达式的选项）

• 我还排除了在行中查找逗号的选项，作为查找csv的一部分的行的标准，因为我不知道逗号现在是否会出现在元数据中的某个位置

---

有没有其他方法可以找到标题，我没有想到？

只是一些想法。这些都是“肮脏”的方式：

也许您可以找到像

（default cli）@hdt jena

这样的“default header end line”，但要在这方面提供帮助，您必须提供更多数据

也许您可以命名（所有数据集的）所有可能的列。如果是这样，您可以提供这些名称，并在之后放弃所有具有多个空值的行。（熊猫对不存在的列没有问题，它将用NULL填充）

或者你必须找到所有可能的“错误行”（以[信息、下载、空等]开头）

您可以计算每行的分隔符，并获取所有具有相同数量分隔符的行

或者你可以尝试一下，除了：

示例输出：

0 col1 col2 col3
1    1  4.4   99
2    2  4.5  200
3    3  4.7   65
4    4  3.2  140

---

如果这些都没有帮助，您需要提供更多数据

我不确定是否有其他方法可以做到这一点。一种方法是尝试使用标题格式。例如，标题可能有逗号，而其他行没有。这样可以避免为每个例外情况显式编写。感谢您的建议。我目前有我有一个类似的肮脏的解决方案。我可能会添加一些你写的东西，只是为了避免遇到更多我还没有意识到的异常。

0 col1 col2 col3
1    1  4.4   99
2    2  4.5  200
3    3  4.7   65
4    4  3.2  140