Python分割长消息文本文件：将消息字段拆分至CSV列

问题分析 #

你需要把以;分隔的消息文本，提取Sent:、From:、To:、Subject:标签对应的字段，以及消息正文，每条消息对应CSV的一行，各字段对应不同列。原代码仅按行分割写入，未做结构化提取，导致格式混乱。

实现代码 #

import csv
import re

# 定义正则匹配规则，一次性提取消息各字段
pattern = re.compile(
    r"Message (\d+) of \d+\s+"
    r"Sent:\s*(.+?)\s+"
    r"From:\s*(.+?)\s+"
    r"To:\s*(.+?)\s+"
    r"Subject:\s*(.+?)\s+"
    r"(.*)",
    re.DOTALL
)

with open("emails.txt", encoding="utf-8") as txt, open('theoutput.csv', 'w', newline='', encoding="utf-8") as csvfile:
    # 定义CSV表头
    fieldnames = ['ID', 'Sent', 'From', 'To', 'Subject', 'Body']
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    writer.writeheader()

    # 读取整个文本，按;分割成单个消息块，过滤空内容
    content = txt.read()
    messages = [msg.strip() for msg in content.split(';') if msg.strip()]

    for msg in messages:
        match = pattern.match(msg)
        if match:
            msg_id = match.group(1)
            # 处理正文：去除多余换行和空格，合并为单行
            body = ' '.join(line.strip() for line in match.group(6).splitlines() if line.strip())
            # 写入结构化数据到CSV
            writer.writerow({
                'ID': msg_id,
                'Sent': match.group(2).strip(),
                'From': match.group(3).strip(),
                'To': match.group(4).strip(),
                'Subject': match.group(5).strip(),
                'Body': body
            })

代码说明 #

1. 正则匹配：启用re.DOTALL模式让.匹配换行符，一次性捕获消息ID、发送时间、发件人、收件人、主题和正文。
2. 消息分割：读取完整文本后用;分割，过滤空块避免无效数据。
3. 正文处理：将正文中的换行和冗余空格替换为单个空格，保证正文在CSV中为单行格式。
4. CSV写入：使用DictWriter按表头映射字段，确保各数据对应正确列。

内容的提问来源于stack exchange，提问作者Roger S