Python读取含空格分隔符与空格占位值的CSV文件问题

你遇到的问题本质是这个输入不是标准CSV，而是固定宽度格式——每个货箱列占据固定的字符宽度，空格在这里是占位符而非分隔符，所以用read_csv自然搞不定。下面给两种可行的处理方式：

方法1：手动按位置提取（纯Python，无需pandas） #

这个输入的规律是：每个货箱列对应的字符位置是1,5,9,...,33（每4个字符间隔一个列，对应9列），直接按这个位置提取即可：

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

# 分离货箱堆和移动指令（根据你的输入调整行数）
stack_lines = lines[:8]  # 前8行是货箱堆
instructions = lines[10:]  # 跳过数字行，从第11行开始是指令

# 定义每个货箱列的字符索引位置
col_positions = [1 + 4*i for i in range(9)]  # 9列对应9个位置

# 初始化货箱堆：每个元素是一列，存储顺序从下到上
stacks = [[] for _ in range(9)]

# 从下往上遍历货箱行（因为输入第一行是堆的最上层）
for line in reversed(stack_lines):
    for idx, pos in enumerate(col_positions):
        crate_char = line[pos]
        if crate_char != ' ':
            stacks[idx].append(crate_char)

# 处理移动指令（以第一题的"逐个移动"为例）
import re
for instr in instructions:
    count, from_col, to_col = map(int, re.findall(r'\d+', instr))
    # 转换为0索引
    from_idx = from_col - 1
    to_idx = to_col - 1
    # 逐个移动
    for _ in range(count):
        stacks[to_idx].append(stacks[from_idx].pop())

# 获取最终结果：每个堆的最上层字符拼接
result = ''.join([stack[-1] for stack in stacks])
print(result)

方法2：用pandas的固定宽度读取 #

如果一定要用pandas，别用read_csv，用read_fwf（Fixed Width Format）直接按固定宽度解析：

import pandas as pd
import re

# 读取货箱堆部分，每列宽度为4，共9列
df = pd.read_fwf('input.txt', widths=[4]*9, nrows=8, header=None)

# 处理每一列：提取货箱字符，过滤空值，反转得到从下到上的顺序
stacks = []
for col in df.columns:
    # 用正则提取[]里的字符，去掉空值后反转
    stack_col = df[col].str.extract(r'\[(\w)\]', expand=False).dropna().tolist()[::-1]
    stacks.append(stack_col)

# 处理移动指令的逻辑和方法1一致
instructions = pd.read_csv('input.txt', skiprows=10, header=None)[0].tolist()
for instr in instructions:
    count, from_col, to_col = map(int, re.findall(r'\d+', instr))
    from_idx = from_col - 1
    to_idx = to_col - 1
    for _ in range(count):
        stacks[to_idx].append(stacks[from_idx].pop())

result = ''.join([stack[-1] for stack in stacks])
print(result)

关键说明 #

• 输入里的货箱行是从上到下是堆的顶层到底层，所以必须反转每一列的顺序，才能得到栈的正确结构（栈是从下到上存储，pop取顶层）。
• 移动指令里的数字是1-based索引，转换为代码里的0-based要减1。

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