多行字符串（Doc String）中用逗号替换不等量空白并保留换行的实现方案及Pandas DataFrame转换需求

这问题我太熟了！遇到这种不等量空白分隔的多行文本，确实用普通replace()会头大（总不能数清楚每段空白的数量吧），之前用正则re.sub()变成单行，是因为没精准匹配空白范围，给你两个实用的解决方案：

方案1：转成逗号分隔的字符串（保留换行） #

核心是用正则匹配任意数量的空白字符，但排除换行符，这样替换成逗号时就不会破坏换行结构。代码如下：

import re

x = '''
Index Value Max Min State
0 10 nan nan nan
1 20 nan nan nan
2 15 nan nan nan
3 25 20 10 1
4 15 25 15 2
5 10 25 15 4
6 15 20 10 3
'''

# 去掉开头的空行，然后把非换行的空白替换成逗号
formatted_str = re.sub(r'[^\S\n]+', ',', x.strip())
print(formatted_str)

这里[^\S\n]的意思是「匹配所有空白字符，但不包含换行」，+表示匹配一个或多个这样的空白，刚好适配你那种不等量空白的场景，输出就是你想要的逗号分隔格式，换行也完全保留。

方案2：直接转换成Pandas DataFrame（更省心） #

如果你的最终目的是做数据分析，根本不用先转成逗号分隔字符串，直接用Pandas就能一步搞定。利用read_csv配合StringIO把多行字符串当成文件对象处理，指定分隔符为任意空白即可：

import pandas as pd
from io import StringIO

x = '''
Index Value Max Min State
0 10 nan nan nan
1 20 nan nan nan
2 15 nan nan nan
3 25 20 10 1
4 15 25 15 2
5 10 25 15 4
6 15 20 10 3
'''

# 去掉开头空行，直接读取成DataFrame
df = pd.read_csv(StringIO(x.strip()), sep='\s+')
print(df)

运行后直接得到结构化的DataFrame，后续做统计、分析都方便，Pandas会自动处理不等量的空白分隔，完全不用你手动替换。

内容的提问来源于stack exchange，提问作者darren