Python解析多行文本存字典时无法获取字段完整值的解决方法

云原生阿岚

2026-8-27

问题描述

现有存储每日条目的大型文本文件，内容格式如下：

Date - 01031991
Location- Worcester, MA
Status - very long sentence that
        continues over the next few
        lines like so.
Author- Security 87

Date- 01071991
Location - Fort-Devens, MA
Status: another long%$@ sent%$#ence 
        with space and all typ&^%$es
        of characters.
Author - Security 92

当前编写的Python文本转Excel脚本，核心逻辑是逐行按-分割键值对存入字典，代码如下：

myfile = open(txtfile, 'r')
dictionary = {}

for line in myfile:
    
    k, v = line.strip().split("-", maxsplit=1)
    dictionary[k] = v
    
myfile.close()

脚本运行后无法获取Status字段的完整跨多行内容，仅能读取到Status第一行的文本，实际输出结果为：

print(dictionary)
{'Date ': ' 01031991', 'Location': ' Worcester, MA', 'Status ': ' very long sentence that'}

需要调整代码逻辑，将Status等跨多行字段的完整语句正确存入结构中，支撑后续Excel写入。

问题原因

现有脚本默认每一行都是独立的键值对，没有处理三类异常场景：

字段分隔符不统一，除了-还存在:的写法（比如第二个条目的Status:），原有按-分割的逻辑无法兼容
值内容跨多行时，后续行没有键名，只有前置缩进空格，现有逻辑会尝试把这类续行也按分隔符拆分，直接导致内容截断
条目之间用空行分隔，单个字典结构只能存储一条记录，多条条目需要用列表嵌套字典的结构存储，否则后续条目会覆盖前面的内容

修正方案

调整逐行读取的判断逻辑：读取每一行时先判定当前行是新的字段起始行，还是上一个字段的续行内容：

匹配行首是否为合法字段名（Date/Location/Status/Author）+ 分隔符（-或:），如果匹配成功则新建键值对
如果行首是大量缩进空格、没有匹配到字段名规则，就把内容去掉前置冗余空格后，拼接到上一个字段的值后面
遇到空行说明当前条目读取结束，把当前条目字典存入结果列表，重置临时字典准备读取下一条

修正后的可运行代码：

import re

# 匹配字段行的正则，兼容字段名前后空格、分隔符为-或:的场景
field_pattern = re.compile(r'^\s*(Date|Location|Status|Author)\s*[-:]\s*(.*?)\s*$', re.IGNORECASE)
result = []  # 存储所有条目，每个条目对应一个字典，后续写Excel时对应一行
current_entry = {}
last_key = None  # 记录上一个处理的字段名，用于拼接续行内容

with open(txtfile, 'r', encoding='utf-8') as f:
    for line in f:
        line = line.rstrip('\n')  # 仅去掉行尾换行符，保留行首空格用于判断是否为续行
        # 匹配到空行，说明当前条目结束
        if not line.strip():
            if current_entry:
                result.append(current_entry)
                current_entry = {}
                last_key = None
            continue
        # 尝试匹配是否为新的字段起始行
        match = field_pattern.match(line)
        if match:
            key = match.group(1).capitalize()  # 统一字段名格式，避免大小写、前后空格导致的键名不一致
            value = match.group(2)
            current_entry[key] = value
            last_key = key
        else:
            # 判定为上一个字段的续行，去除前后空格后拼接
            if last_key:
                current_entry[last_key] += ' ' + line.strip()
# 处理文件末尾最后一个没有空行收尾的条目
if current_entry:
    result.append(current_entry)

# 验证输出结果
for entry in result:
    print(entry)

运行后输出如下，Status字段的完整内容已正确拼接，所有字段格式统一：

{'Date': '01031991', 'Location': 'Worcester, MA', 'Status': 'very long sentence that continues over the next few lines like so.', 'Author': 'Security 87'}
{'Date': '01071991', 'Location': 'Fort-Devens, MA', 'Status': 'another long%$@ sent%$#ence with space and all typ&^%$es of characters.', 'Author': 'Security 92'}

后续直接遍历result列表写入Excel即可，每个字典对应Excel中的一行数据，键对应列名，值对应单元格内容。

内容的提问来源于stack exchange，提问作者RoiMinuit