如何用Python拆分文本列并重组，生成指定格式的输出？

需求说明 #

输入文件每行由长字符串+若干数字组成，列以空格分隔，需完成以下处理：

• 以ABC为分隔符提取第一列前缀，输出时去除ABC；
• 以X为分隔符拆分第一列后半部分，将每个拆分元素（如hi1转为hi_1）与前缀拼接；
• 每个拆分元素对应输出一行，保留原行数字列；
• 适配数千行的大文件处理。

输入示例 #

xyz.ABC_hi1_X_hi2_X_hi3_X_hi4   3  4  6  7
pqrst.ABC_me1_X_me2             2  5  7  8 

期望输出 #

xyz.hi_1    3 4 6 7 
xyz.hi_2    3 4 6 7 
xyz.hi_3    3 4 6 7 
xyz.hi_4    3 4 6 7 
pqrst.me_1  2 5 7 8
pqrst.me_2  2 5 7 8

现有代码问题 #

我测试了以下代码片段，但无法完成前缀与拆分元素的合并，寻求更高效的Python实现方案：

with open("test", 'r') as fp:
    for line in fp:
        col1 = line.split(' ')[0]
        split_col1 = col1.split('ABC_')
        to_append = split_col1[0]
        second_str = split_col[1]
        reg = second_str.split('_X_')

解决方案 #

下面是适配需求的高效实现，兼顾大文件处理的内存效率和格式准确性：

import re

# 格式化元素：将字母+数字的结构插入下划线，如hi1→hi_1
def format_element(s):
    return re.sub(r'([a-zA-Z])(\d)', r'\1_\2', s)

with open("test", 'r') as infile, open("output.txt", 'w') as outfile:
    for line in infile:
        # 去除首尾空白，仅分割第一列和数字部分（避免数字列含空格的情况）
        line_parts = line.strip().split(maxsplit=1)
        if len(line_parts) < 2:
            continue  # 跳过格式无效的行
        
        first_col, num_cols = line_parts
        # 拆分前缀和ABC后的内容
        prefix, post_abc = first_col.split('ABC_', 1)
        # 按_X_拆分后半部分元素
        elements = post_abc.split('_X_')
        
        # 遍历每个元素，格式化后拼接前缀，写入结果
        for elem in elements:
            formatted = format_element(elem)
            output_line = f"{prefix}.{formatted}\t{num_cols}\n"
            outfile.write(output_line)

关键细节说明 #

1. 分割逻辑优化：使用split(maxsplit=1)代替按空格全分割，确保数字列的空格不会被误拆分；
2. 元素格式化：用正则表达式精准匹配字母与数字的分界，插入下划线，比手动字符串处理更通用；
3. 内存友好：逐行读取和写入，无需加载整个文件到内存，适合数千行的大文件；
4. 容错处理：增加无效行判断，避免因输入格式异常导致程序崩溃。

内容的提问来源于stack exchange，提问作者user8217644