如何用Python提取TXT文档中的成绩与学分以计算GPA

核心思路：用正则精准匹配目标数据 #

不用修改原始TXT格式，通过正则表达式精准定位成绩和学分，同时过滤课程名里的干扰项，直接解决你遇到的三个问题：

1. 过滤课程名称中的无关数字

课程名里的数字（如English 1的1）和成绩/学分的数字特征完全不同：成绩是0-100的数值，学分一般是1-5的小数或整数。用正则仅匹配符合成绩、学分范围的数字，就能避开课程名里的干扰项。

2. 消除多余分隔符导致的空字符串

处理每行文本时，先清理首尾空白，再用正则匹配连续空白符（空格、制表符）作为分隔依据，自动过滤空内容，避免分割出空字符串。

3. 避免成绩与学分错误拼接

明确每行结构为课程名 + 成绩 + 学分，用正则匹配课程名（非成绩学分的内容），再单独提取后面的两个数值，从根源上避免数据错误拼接。

示例代码实现 #

假设你的TXT每行格式类似：English 1 97.0 3.0、Math Ⅱ 85 2.5，可以用以下代码处理：

import re

def extract_gpa_data(file_path):
    gpa_list = []
    # 正则匹配：课程名（非数字开头的内容） + 成绩（0-100的数值） + 学分（0-6的数值）
    pattern = re.compile(r'^(.+?)\s+(\d{1,3}(?:\.\d+)?)\s+(\d{1,2}(?:\.\d+)?)$')
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue  # 跳过空行
            match = pattern.match(line)
            if match:
                # 提取成绩和学分并转为浮点数
                score = float(match.group(2))
                credit = float(match.group(3))
                gpa_list.append([score, credit])
    return gpa_list

# 调用示例
data = extract_gpa_data('scores.txt')
print(data)

代码说明 #

• 正则^(.+?)\s+(\d{1,3}(?:\.\d+)?)\s+(\d{1,2}(?:\.\d+)?)$：
  • (.+?)：非贪婪匹配课程名，直到遇到第一个连续空白符
  • (\d{1,3}(?:\.\d+)?)：匹配0-100的成绩（支持整数和小数）
  • (\d{1,2}(?:\.\d+)?)：匹配0-6的学分（覆盖常见学分范围）
• 用strip()清理每行首尾空白，跳过空行避免空字符串问题
• 通过精准的正则分组，彻底避免课程名干扰数字和数据拼接错误

内容的提问来源于stack exchange，提问作者GildedWasp