Python读取多列数据文件报解包错误ValueError修复方案

你遇到的解包错误和逻辑失效来自三个核心问题：

1. 硬编码字段接收逻辑：代码里两处固定用id、mass两个变量接收line.split(' ')的拆分结果，一旦数据列数超过2个、遇到空行、存在连续空格，拆分出的元素数量和预期不一致就会抛出ValueError；另外split(' ')按单个空格分割，会把连续空格、行首尾空格切出空字符串，进一步加剧匹配错误。
2. 缩进错误：previous_line = line写在了for循环外部，循环执行过程中根本不会更新上一行的内容，所有基于previous_line的判断逻辑完全失效。
3. 性能缺陷：用fin.read()一次性加载全量文件到内存，当TIMESTEP达到千万级时文件体积极大，很容易直接占满内存导致程序崩溃。

修复逻辑适配任意列数的同格式文件，逐行读取不会占满内存，自动跳过空行，兼容多列场景：

import pandas as pd

result = []
current_timestep = None
current_headers = None
read_ts_flag = False
read_header_flag = False
# 逐行读取文件，不一次性加载全量内容，适配大文件
with open('particle100_1.txt', 'r') as fin:
    for line in fin:
        line = line.strip()
        # 跳过空行
        if not line:
            continue
        # 遇到TIMESTEP标记，标记下一行读取时间步值
        if line == 'TIMESTEP':
            read_ts_flag = True
            continue
        # 读取时间步值
        if read_ts_flag:
            current_timestep = line
            read_ts_flag = False
            read_header_flag = True
            continue
        # 读取当前块的表头，自动适配任意列数
        if read_header_flag:
            current_headers = line.split()
            read_header_flag = False
            continue
        # 读取数据行，按表头匹配字段
        values = line.split()
        row = {'TIMESTEP': current_timestep}
        for header, val in zip(current_headers, values):
            row[header] = val
        result.append(row)

df = pd.DataFrame(result)

• 替换原来基于上一行内容的模糊判断，用明确的状态标记区分「读时间步、读表头、读数据」三个阶段，从根源避免缩进、行内容判断错误的问题
• 不再硬编码固定列数，每个TIMESTEP块自动读取表头匹配字段，不管是2列还是10列都能正常解析，不会出现解包数量不匹配的错误
• 把split(' ')替换为无参数的split()，自动处理连续空格、首尾空格、制表符等空白分隔符，不会切出无意义的空字符串
• 改为逐行迭代读取文件，千万级时间步的大文件下内存占用始终稳定，不会出现内存溢出
• 增加空行跳过逻辑，兼容块之间、文件末尾的空行场景

如果你不需要保留所有列，只需要固定取id和mass字段，也可以在解析数据行时用带通配符的解包写法，多余列会被自动忽略，不会触发解包错误：

# 只取前两列，多余列丢弃
id_val, mass_val, *_ = line.split()

内容的提问来源于stack exchange，提问作者Sameer S