如何用Python/Pandas解析列间空格填充对齐的可变空白文本表格

这类靠列间填充空格保证对齐、无统一分隔符的表格属于固定宽度文本表（Fixed Width Format Table），无需手动逐行写规则拆分，用以下工具即可高效完成解析，直接对接后续数据分析流程：

核心方案：pandas内置解析能力 #

优先选择pandas自带的read_fwf()方法，不需要额外安装第三方依赖，适配90%以上的常规固定宽度表格场景：

• 该函数专门为固定宽度格式设计，默认可以自动识别每列的对齐边界，不需要手动统计每列宽度，直接传入文本或文件路径即可读取为结构化的DataFrame
• 遇到自动识别不准的场景，可以传入colspecs参数手动指定每列的起止字符位置，微调即可适配
• 自带表头识别、空值处理、类型转换能力，解析结果直接支持pandas全量数据分析操作

基础用法示例：

import pandas as pd
from io import StringIO

# 读取本地保存的第三方输出文本文件
df = pd.read_fwf("third_party_tool_output.txt")

# 如果输出内容已经是读取到内存的字符串，转成内存流即可解析
raw_text = """从第三方工具拿到的原始表格文本内容"""
df = pd.read_fwf(StringIO(raw_text))

复杂场景适配工具 #

如果遇到带特殊打印边框、合并单元格、嵌套在PDF里的特殊固定宽度表格，可以搭配以下专用库提升解析准确率：

• camelot/tabula-py：针对PDF内打印的固定宽度表格优化，识别带线框、跨页表格的准确率远高于通用文本解析方法
• fixedwidth：轻量级固定宽度文本解析库，支持自定义列校验规则、字符编码适配，适合处理格式特殊的工业类工具打印输出
• texttable：可以识别带ASCII边框（用+/-/|绘制边框）的老式控制台打印表格，自动忽略边框字符提取有效内容

兜底处理方法 #

如果遇到格式极度不规整、存在随机冗余空格的特殊输出，可以手动提取表头行中每个字段的起始字符索引，将索引作为列分割标记逐行切片提取内容，再转为DataFrame即可，适配成本远低于编写通用正则规则。

内容的提问来源于stack exchange，提问作者SriK