Python 需要帮助解析复杂的文本文件吗

我有一个结构如下的文本文件，我想用python提取数据帧中的数据。Dataframe应该具有PMID以及针对每个PMID的作者显示的所有文本

for lines in open('pubmed-cancerbiol.txt','r'):
    if(lines[0:4] == 'PMID'):
        print(lines)

数据格式

PMID-唯一的8位数字
xyz-文本（可能是多行）
xyz-文本（可能是多行）
作者-文本（可能是多行）
作者-文本（可能是多行）

PMID-唯一的8位数字
xyz-文本（可能是多行）
xyz-文本（可能是多行）
作者-文本（可能是多行）
作者-文本（可能是多行）

下面是我在python中尝试过的代码——我能够提取所有PMID，但我无法找出针对每个PMID附加所有作者文本的逻辑

for lines in open('pubmed-cancerbiol.txt','r'):
    if(lines[0:4] == 'PMID'):
        print(lines)

---

您可以使用在字典中收集数据，将

PMID

作为键，将

AUTHOR

s作为值

假设你从文件开始

from io import StringIO
fo = StringIO(
'''PMID- 12345678
xyz - text (might be multiple lines)
xyz- text (might be multiple lines)
AUTHOR- author1
AUTHOR- author2

PMID- 12345679
xyz - text (might be multiple lines)
xyz- text (might be multiple lines)
AUTHOR- author3
AUTHOR- author4''')
    
# with open(filename, 'r') as fo:

然后迭代行并填充字典

records = dict()
pmid = None
for line in fo.readlines():
    if line.startswith('PMID-'):
        pmid = line.split('-')[-1].strip()
        records[pmid] = []
    elif line.startswith('AUTHOR'):
        records[pmid].append(line.split('-')[-1].strip())

创建数据帧时，您可以在传递给数据帧构造函数之前，让每个作者在一列中或加入列表

df = pd.DataFrame(
    [', '.join(r) for r in records.values()],
    index=records.keys()
)

输出

                         0
12345678  author1, author2
12345679  author3, author4

---

请用您尝试过的代码更新您的问题。对不起，更新了我到目前为止使用的代码，我更希望获得一些逻辑指导。一旦我得到了逻辑，我就能理解代码。@Bharath谢谢你，请习惯于提供有意义的数据样本，并且可以轻松粘贴到codeSure Richie中，我会记住这一点，事实上我正在阅读如何再现错误，并以更有意义的方式问问题。希望下次我能以更好的方式提问。再次感谢您对我的问题的指导和帮助。