如何用Python将无分隔符文本文件数据转换为指定格式列表？

嘿，这个问题我之前刚帮朋友处理过！普通的split()方法确实搞不定像"United States"、"$19.485 trillion"这种带空格的元素，不过咱们可以利用这段文本的固定结构来精准拆分。

核心思路 #

观察你的数据会发现：

• 每个国家的条目都以数字序号开头（1、2、3...）
• 除了国家名和带"trillion"的GDP表述，其他所有元素（比如$19,485,394,000,000、2.27%等）都是不带空格的
• 每个条目的字段数量是固定的（8个字段：序号、国家名、GDP总值、GDP万亿简写、增长率、人口、人均GDP、占比）

基于这个规律，我们可以用正则表达式先把每个国家的完整条目提取出来，再对每个条目拆分出对应的字段。

Python代码实现 #

import re

# 假设你已经从TXT文件读取了内容，存到text变量里
text = "1 United States $19,485,394,000,000 $19.485 trillion 2.27% 325,084,756 $59,939 24.08% 2 China $12,237,700,479,375 $12.238 trillion 6.90% 1,421,021,791 $8,612 15.12% 3 Japan $4,872,415,104,315 $4.872 trillion 1.71% 127,502,725 $38,214 6.02%"

# 第一步：提取每个国家的完整条目（匹配以数字开头，到下一个数字开头或结尾的内容）
country_entries = re.findall(r'\d+ .*?(?=\d+ |$)', text, re.DOTALL)

# 第二步：对每个条目拆分出8个字段
result = []
for entry in country_entries:
    # 用正则捕获每个字段：序号、国家名、GDP总值、GDP万亿、增长率、人口、人均GDP、占比
    match = re.match(r'(\d+) (.+?) (\$.+?) (\$.+? trillion) (\d+\.\d+%) (\d+,?\d+) (\$.+?) (\d+\.\d+%)', entry)
    if match:
        # 把捕获到的字段转成列表，添加到结果中
        result.append(list(match.groups()))

# 打印结果看看
for row in result:
    print(row)

代码解释 #

1. 提取条目：re.findall(r'\d+ .*?(?=\d+ |$)', text) 这段正则会找到所有以数字+空格开头，直到遇到下一个数字+空格或者文本结尾的内容，这样就把每个国家的完整条目单独分出来了。
2. 拆分字段：re.match(...) 用分组捕获的方式，精准匹配每个字段：
   • (\d+)：匹配序号（数字）
   • (.+?)：非贪婪匹配国家名（直到遇到第一个$为止）
   • (\$.+?)：匹配带$的GDP总值
   • (\$.+? trillion)：匹配带trillion的GDP简写
   • 后面的几个分组分别匹配增长率、人口、人均GDP和占比，这些都是格式固定的无空格元素

运行代码后，你就能得到想要的二维列表啦！

内容的提问来源于stack exchange，提问作者vinvarad