找到将开始的额外行与所需的表结构分隔开的空行，然后将剩余的文件缓冲区传递给pd.read_table函数：

with open('data.txt') as f:
     for line in f:
        line = line.strip()
        if not line:  # find empty line
            break
     df = pd.read_table(f, sep='\s{2,}', header=0, comment='--', engine='python')
     print(df)

输出：

Form Type Company Name     CIK  Date Filed  File Name
0      10-C         ABC.  310254    19940701  file1.txt
1      10-B         XYZ.  121234    54547474  file2.txt
2      10-A         LMN.  346765    12352356  file3.txt

我们有一个方法pd.read_fwf（），在这里你可以给予参数跳过 Dataframe 中的记录，比如-跳过初始记录的行数空白记录
如果您事先知道数据将从何处开始，则使用此函数读取文件。

你可以尝试一些类似的方法：

from io import StringIO

input_string = 'the content of my text file (PLEASE REPLACE)' # TODO replace with actual content or code to load the content
nr_of_seperators = 20 # number of '-' in seperator line (I just assumed 20, I did not count)
mystring = input_string.split('-' * nr_of_seperators)
header_split_from_data = mystring.split(delimiter=mystring)

# create columns assuming there is always at least two spaces between column names
headerlines = header_split_from_data[0].split('\n') # split the lines
columns = headerlines[-1].split() # extract the column names from the last line of the header 

# create csv string from data assuming the data does not contain strings with spaces
lines = header_split_from_data[1].split('\n') # seperate lines
csv_string_lines = [','.join(line.split()) for line in lines] # this splits the string on whitespaces
csv_string = '\n'.join(csv_string_lines)

# load dataframe
df = pd.read_csv(StringIO(csv_string), sep=",", header=None, names=columns)

可能有一种更简单、更有效的方法来做到这一点，但这是我想到的一个易于实现的版本（讨厌它的人会称之为快速和肮脏：D）。