如何在Python中解析基于位置的.txt文件并合并关联行？

一、需求说明 #

现有数千条位置固定格式的.txt文本行，常规行固定为56字符，各字段对应固定索引范围：

• Field1：[0:14]
• Field2：[15:31]
• Field3：[32:35]
• Field4：[36:53]
• Field5：[54:56]

需将其转换为指定结构的DataFrame，同时处理特殊场景：满足特定条件时，会有不同长度的两行对应同一数据，需合并为单行。

二、实现代码 #

使用Python的pandas库处理，代码如下：

import pandas as pd

# 定义字段与切片范围对应关系（Python切片左闭右开，需匹配需求中的位置）
field_mapping = {
    "Field1": slice(0, 15),   # 对应需求中的[0:14]
    "Field2": slice(15, 32),  # 对应需求中的[15:31]
    "Field3": slice(32, 36),  # 对应需求中的[32:35]
    "Field4": slice(36, 54),  # 对应需求中的[36:53]
    "Field5": slice(54, 57)   # 对应需求中的[54:56]
}

# 读取文本文件
with open("your_file.txt", "r", encoding="utf-8") as f:
    raw_lines = [line.strip() for line in f if line.strip()]

processed_data = []
index = 0
total_lines = len(raw_lines)

while index < total_lines:
    current_line = raw_lines[index]
    # 处理常规56字符行或需合并的主行
    if len(current_line) == 56:
        # 判断下一行是否为附加行（可根据实际条件调整，这里用长度非56作为判断）
        if index + 1 < total_lines and len(raw_lines[index+1]) != 56:
            # 合并主行与附加行
            combined_content = current_line + raw_lines[index+1]
            row = {}
            for field, slice_range in field_mapping.items():
                if field == "Field4":
                    # 将附加内容合并到Field4（可根据需求调整字段）
                    row[field] = combined_content[slice_range] + combined_content[56:]
                else:
                    row[field] = combined_content[slice_range]
            # 可选：新增字段单独存储附加内容
            row["附加信息"] = raw_lines[index+1]
            processed_data.append(row)
            index += 2  # 跳过已处理的附加行
        else:
            # 常规单行提取字段
            row = {field: current_line[slice_range] for field, slice_range in field_mapping.items()}
            processed_data.append(row)
            index += 1
    else:
        # 处理异常行（单独出现的附加行，可根据需求调整逻辑）
        index += 1

# 转换为DataFrame
result_df = pd.DataFrame(processed_data)
# 查看结果
print(result_df.head())

三、代码说明 #

1. 字段映射：通过slice对象定义每个字段对应的文本索引范围，适配Python的左闭右开切片规则。
2. 文件读取：读取所有行并去除空行、换行符，避免无效数据干扰。
3. 多行合并逻辑：通过循环遍历，判断当前行是否为需合并的主行，若下一行是附加行则合并后提取字段；可根据实际需求调整合并条件（比如用特定字段值判断，而非长度）。
4. DataFrame转换：将处理后的字典列表转换为DataFrame，直接得到目标结构。

内容的提问来源于stack exchange，提问作者pedrosjo