如何用Python基于冒号为带换行的非结构化地址数据添加分隔空行

核心思路 #

利用正则表达式匹配机构条目起始行（格式为机构名称: 内容，即行首以非冒号字符开头，随后紧跟冒号），在每个新条目（除第一个）前插入空行，实现条目间的分隔。

代码实现 #

import re

# 读取文件内容
with open('test.txt', 'r', encoding='utf-8') as infile:
    lines = [line.rstrip('\n') for line in infile]

result = []
# 正则匹配机构条目起始行：行首有非冒号字符，后跟冒号
entry_pattern = re.compile(r'^[^:]+:')

for index, line in enumerate(lines):
    # 跳过原文件中的空行
    if not line.strip():
        continue
    # 第一个条目直接添加
    if index == 0:
        result.append(line)
    else:
        # 判断当前行是否是新的机构条目
        if entry_pattern.match(line):
            # 插入空行分隔条目
            result.append('')
        result.append(line)

# 写入处理后的内容
with open('processed_test.txt', 'w', encoding='utf-8') as outfile:
    outfile.write('\n'.join(result))

代码说明 #

1. 精准匹配条目：正则^[^:]+:只识别以机构名开头、后跟冒号的行，不会误判内容中包含冒号的行。
2. 格式兼容：保留原文件中机构信息的换行格式，同时自动跳过原文件的空行，保证输出格式整洁统一。
3. 逻辑简洁：遍历过程中仅在新条目前插入空行，无需复杂的状态判断，执行效率高。

内容的提问来源于stack exchange，提问作者Bhargav