如何依据指定空格数Schema将特殊分隔TXT转为Pandas DataFrame？

要将这种特殊格式的文本文件转换为保留空格的Pandas DataFrame，可根据已知的空格数Schema，采用以下两种方法实现：

方法一：正则表达式分割 #

核心思路是根据Schema构建正则模式，精准匹配每个列的内容（含需保留的空格）与分隔用的最后一个空格，提取后构建DataFrame。

步骤： #

1. 读取文件第一行，用分号分割得到列名。
2. 根据空格数Schema构建正则匹配模式：
   • 对前N-1列，匹配「列内容 + 指定数量的保留空格」，再匹配作为分隔的单个空格。
   • 最后一列匹配剩余所有内容（含其前的空格）。
3. 遍历所有数据行，用正则提取各列内容，最终转为DataFrame。

代码示例： #

假设已知空格数Schema为：columnA后保留3个空格、columnB后保留3个、columnC后保留2个、columnD前的空格需保留：

import pandas as pd
import re

# 读取文件内容
with open('your_file.txt', 'r') as f:
    lines = f.readlines()

# 处理列名
columns = [col.strip() for col in lines[0].strip().split(';')]

# 构建正则模式（对应Schema）
# (.*?\s{3}) 匹配columnA内容+3个保留空格，\s匹配分隔空格；以此类推
pattern = r'(.*?\s{3})\s(.*?\s{3})\s(.*?\s{2})\s(.*)'

# 提取数据行内容
data = []
for line in lines[1:]:
    line = line.strip('\n')  # 仅去掉换行符，保留空格
    match = re.findall(pattern, line)
    if match:
        data.append(match[0])

# 构建DataFrame
df = pd.DataFrame(data, columns=columns)

方法二：固定宽度读取（pd.read_fwf） #

如果已知每个列的总宽度（列值长度+需保留的空格数），可直接用Pandas的read_fwf按固定宽度读取，更高效。

步骤： #

1. 确定每个列的起始和结束位置（colspecs）：
   • 列A：从0开始，到「列A值长度+保留空格数」的位置。
   • 列B：从「列A结束位置+1（分隔空格）」开始，到「该位置+列B值长度+保留空格数」。
   • 以此类推，最后一列从对应起始位置到行尾。
2. 用read_fwf读取文件，指定列名和colspecs。

代码示例： #

针对你的示例数据：

• columnA值长度29，保留3个空格 → 宽度32，范围(0,32)
• columnB值长度7，保留3个空格 → 宽度10，范围(33, 43)
• columnC值长度8，保留2个空格 → 宽度10，范围(44, 54)
• columnD从55到行尾

import pandas as pd

# 列名
columns = ['columnA', 'columnB', 'columnC', 'columnD']

# 指定各列的起始、结束位置（colspecs）
colspecs = [(0, 32), (33, 43), (44, 54), (55, None)]

# 读取文件
df = pd.read_fwf('your_file.txt', colspecs=colspecs, names=columns, skiprows=[0])

注：skiprows=[0]是跳过原文件的列名行，因为我们已经手动指定了names；如果原文件列名行的格式和数据行一致，也可以调整colspecs适配列名行，去掉skiprows参数。

内容的提问来源于stack exchange，提问作者robsanna