使用 Python 从文本（在 CSV 文件中）中提取数据

我正在帮助一个狗救援小组分析他们收到的收养申请。所有的申请都通过一个在线系统提交，每个申请都有一个自动生成的表格 ID。然后将申请分配给不同的志愿者进行处理。

大多数信息都很简单，我可以使用 Pandas 轻松处理。部分分析是关于每个申请的处理时间。这意味着从申请创建之日起（表格状态为“已提交”）到狗被采用（表格状态为“已采用”）。当我导出表单数据时，状态更改和一般评论混合在一个名为“评论（内联）”的标题下。

以下是一个应用程序的状态更改/评论的缩略示例。

文本遵循一些基本模式。

一般评论：CURRENT_PERSON（名字）写于 DATE：文本

志愿者的变化：CURRENT_PERSON（名字）写于 DATE：分配表格给 NEW_PERSON（first last）

表单状态更改：CURRENT_PERSON（名字）写于 DATE：已将状态从 CURRENT_STATUS 更改为 NEW_STATUS

我是 python 的新手（~3mos）。想到的第一件事是使用python和正则表达式来解析文本，提取数据，并将它们分成两组（一组用于一般评论，一组用于状态更改）。这将需要一些时间，因为我仍在学习，但这似乎是可行的。最终结果将是这样的。

可以多次分配相同的状态，因此我需要给它们一个编号。然后我可以将处理时间计算为 Adapted-01 和 Submitted-01 之间的天数。

但是，从我到目前为止所了解的情况来看，使用这种类型的迭代（for 循环）似乎很慢，不推荐使用。到目前为止，我有大约 1500 份表格，而且数量只会增加。

我应该继续使用python和re吗？或者有没有更好的方法来获得我所描述的？我坚信有一种更好的方法，我只是还不够了解。

非常感谢您的建议。

更新

此处为 CSV 文件中的示例数据，此处为 XML 文件中的示例数据

你会在里面找到四个名字：Jenny White、Rose Burk、Kerry James、Henry Woods。

我意识到文本 CSV 文件并不像我想象的那么干净。评论或状态更改之间没有空格。即使有模式，也并不总是一致的（只有名字与全名）。我更新了模式。导出为 CSV 后，您将看到以下内容

Henry 于 2020 年 9 月 22 日写道：将表格分配给 Rose Burk Rose 于 2020 年 9 月 22 日写道：发送介绍电子邮件。

变成了

Henry 于 2020 年 9 月 22 日写道：将表格分配给 Rose BurkRose 于 2020 年 9 月 22 日写道：发送介绍电子邮件。

现在我还需要更多地考虑清理数据。谢谢参观。