如何用Pandas读取URL中存在不均匀空格的文本文件至DataFrame？

这类气象站描述文件属于固定宽度格式（Fixed-Width Format），并非普通的空格分隔格式——部分列（比如站点名称）内部包含空格，这就是sep='\s+'和delim_whitespace=True失效的核心原因。以下是可行的处理方案：

方法1：用read_fwf自动识别列宽 #

Pandas的read_fwf方法专门针对固定宽度文本设计，能自动识别列的边界：

import pandas as pd
import requests
from io import StringIO

url = "https://opendata.dwd.de/climate_environment/CDC/observations_germany/climate/hourly/air_temperature/recent/TU_Stundenwerte_Beschreibung_Stationen.txt"
# 获取文件内容并转为可读取的字符串对象
response = requests.get(url)
content = response.content.decode('utf-8')

# 跳过前2行注释（根据文件实际结构调整），读取数据
df = pd.read_fwf(StringIO(content), skiprows=2)

方法2：手动指定列宽度（更可靠） #

如果自动识别列宽不准确，可先查看文件前几行确认结构，再手动定义每列宽度：

# 打印前5行，确认列的字符边界
print('\n'.join(content.split('\n')[0:5]))

# 根据实际列宽定义（示例宽度，需结合文件调整）
col_widths = [7, 10, 50, 12, 12, 8, 8]
df = pd.read_fwf(StringIO(content), skiprows=2, widths=col_widths)

补充提示 #

• 若出现编码错误，将decode('utf-8')替换为decode('latin-1')即可适配德语文本编码。
• 读取完成后用df.head()检查数据结构，确认列是否正确分割。

内容的提问来源于stack exchange，提问作者Chhandosee Bhattacharya