如何用Python RegEx拆分CSV文件中的数字与文本至多列？

核心思路 #

针对每行数据的结构（前导0-3个数字，后跟文本），用正则表达式捕获最多3个数字分组和文本分组，再将空的数字分组替换为指定填充符--------，最后重组为目标格式的行数据。

正则表达式设计 #

使用以下正则模式匹配每行内容：

^(\d+)?(?:\s+(\d+))?(?:\s+(\d+))?\s*(.*)$

• ^(\d+)?：匹配行首第一个数字（可选，无则分组为None）
• (?:\s+(\d+))?：非捕获组匹配空格+第二个数字（可选）
• (?:\s+(\d+))?：非捕获组匹配空格+第三个数字（可选）
• \s*(.*)$：匹配数字后所有剩余文本（\s*用于去除数字与文本间的多余空格）

Python代码实现 #

import re
import csv

# 正则模式
pattern = re.compile(r'^(\d+)?(?:\s+(\d+))?(?:\s+(\d+))?\s*(.*)$')
fill_char = '--------'

# 读取原CSV并处理
with open('input.csv', 'r', encoding='utf-8') as infile, open('output.csv', 'w', newline='', encoding='utf-8') as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)
    
    # 写入目标表头
    writer.writerow(['number1', 'number2', 'number3', 'Text'])
    
    # 跳过原CSV的表头（示例中原表头为"表头"）
    next(reader)
    
    for row in reader:
        content = row[0].strip()
        match = pattern.match(content)
        
        if match:
            num1, num2, num3, text = match.groups()
            # 替换空数字分组为填充符
            num1 = num1 if num1 is not None else fill_char
            num2 = num2 if num2 is not None else fill_char
            num3 = num3 if num3 is not None else fill_char
            # 文本为空时保持空值，可按需调整
            text = text if text else ''
            writer.writerow([num1, num2, num3, text])

代码说明 #

1. 正则匹配：覆盖所有场景——无数字、1个数字、2个数字、3个数字的行，确保不会遗漏数据。
2. 填充处理：统一将未捕获到数字的列替换为--------，保证输出CSV的列结构一致。
3. CSV读写：用Python内置csv模块处理文件，避免手动解析CSV时遇到的格式问题（比如文本含逗号的情况）。

测试验证 #

用你提供的示例数据测试，处理结果完全符合目标格式：

• 输入1 这是第一行。 → 输出['1', '--------', '--------', '这是第一行。']
• 输入这是第二行。 → 输出['--------', '--------', '--------', '这是第二行。']
• 输入3 4 这是第三行。 → 输出['3', '4', '--------', '这是第三行。']
• 输入5 6 7 这是特殊行。 → 输出['5', '6', '7', '这是特殊行。']

内容的提问来源于stack exchange，提问作者jonson