Python遍历文本文件并提取匹配信息的技术实现求助

我来帮你搞定这个文本提取的问题！先梳理下你的需求：从给定格式的文本文件里，提取每行的人名和对应行的目标数值（比如示例里的1365），最终得到['1365', 'Tom']这样的结果组合。

先说说你现有代码里的几个小问题：

• re.research是拼写错误，正确的方法是re.search
• parse_line函数存在语法错误（缺少闭合括号），而且逻辑只处理了行的一部分，没提取到目标数值
• 循环里的条件判断太复杂，没必要用正则排除表头，直接跳过表头和分隔线行更简单
• combine.append(l)的逻辑会重复添加同一个列表，达不到关联人名和目标值的效果

正确实现方案 #

根据你的文本结构，我们可以用更清晰的逻辑来处理：

文本结构回顾

person loan amount 1 month past due 2 month pass due

---

Tom 3000 3000 0.00 1365 100.00% 0.00%
... ...

我们需要：跳过表头和分隔线行，对每行数据提取第一列的人名和倒数第二列的数值，然后按[目标数值, 人名]的格式返回。

完整代码实现

import re

def parse_line(line):
    # 用正则分割任意数量的空格（处理文本里多空格分隔的情况）
    fields = re.split(r'\s+', line.strip())
    # 提取人名（第一个字段）和倒数第二个字段（目标数值）
    name = fields[0]
    target_value = fields[-2]
    return [target_value, name]

def extract_target_data(filepath):
    results = []
    with open(filepath, 'r') as f:
        skip_header = True
        for line in f:
            stripped_line = line.strip()
            # 跳过空行
            if not stripped_line:
                continue
            # 跳过表头和分隔线：遇到分隔线后，后续行开始解析
            if skip_header:
                if '----' in stripped_line:
                    skip_header = False
                continue
            # 解析数据行并加入结果列表
            parsed_result = parse_line(stripped_line)
            results.append(parsed_result)
    return results

# 使用示例
# filepath = "your_text_file.txt"
# print(extract_target_data(filepath))

代码说明

1. parse_line函数：用re.split(r'\s+', ...)处理多空格分隔的场景，确保分割出的字段都是有效内容，然后直接提取我们需要的两个字段。
2. extract_target_data函数：
   • 通过skip_header标记自动跳过表头和分隔线，不用硬编码行号，适配表头行数变化的情况
   • 跳过空行，避免解析无效内容
   • 把每行的解析结果收集到列表中，最终返回所有符合要求的结果组合

如果你的文本分隔线位置固定（比如第二行），也可以用行号判断来跳过：

def extract_target_data(filepath):
    results = []
    with open(filepath, 'r') as f:
        for idx, line in enumerate(f):
            stripped_line = line.strip()
            if idx < 2 or not stripped_line:
                continue
            parsed_result = parse_line(stripped_line)
            results.append(parsed_result)
    return results

这样就能准确得到你需要的['1365', 'Tom']格式的结果啦！

内容的提问来源于stack exchange，提问作者Wendy D.