Python结构化文本转CSV：无法将行映射为列的问题求助

我明白你现在的困扰——原代码只是把每行的键值对拆分成两列，但没办法把同一个员工的所有属性整合到CSV的一行里。咱们来一步步解决这个问题：

问题分析 #

你的输入文本里，员工信息是以属性行的形式排列的：有的员工以Employee Name:开头，有的则直接从Designation:开始（比如johndoe4到johndoe8）。我们需要把每个员工的所有对应属性（姓名、职位、邮箱、联系方式、资质、专长）映射到CSV的对应列，每个员工占一行，同时还要处理一些脏数据（比如Contact里的Intercom信息、Qualification里的多余符号）。

解决方案代码 #

下面是经过优化的代码，能完美生成你需要的CSV格式：

import csv

# 定义CSV的表头，和你需要的格式完全匹配
csv_headers = ["Employee name", "designation", "email", "contact", "Qualification", "Specialisation"]

current_employee = {}
employees_list = []

# 清理联系方式：提取第一个有效号码，去掉Intercom等无关内容
def clean_contact(contact_text):
    for segment in contact_text.split(","):
        cleaned = segment.strip().replace("Intercom No.", "").rstrip("<").strip()
        if cleaned:
            return cleaned
    return ""

# 清理资质信息：去掉多余符号、替换HTML实体、整理格式
def clean_qualification(qual_text):
    cleaned = qual_text.strip().lstrip(":").strip()
    cleaned = cleaned.replace("&amp;", "&").replace("|", ", ").rstrip(",")
    return cleaned

# 读取并处理原始文本
with open('test.txt', 'r') as records_file:
    for line in records_file:
        line = line.strip()
        if not line:
            continue
        
        # 拆分键值对，只按第一个冒号分割（避免Qualification里的冒号干扰）
        key_value_pair = line.split(":", 1)
        if len(key_value_pair) != 2:
            continue
        
        key, value = key_value_pair
        key = key.strip()
        value = value.strip()
        
        # 识别新员工的开始：要么遇到Employee Name，要么遇到Designation但当前无员工数据
        if key == "Employee Name":
            # 如果当前已有员工数据，先存入列表
            if current_employee:
                employees_list.append(current_employee)
                current_employee = {}
            current_employee["Employee name"] = value
        elif key == "Designation":
            # 处理没有Employee Name的员工，默认名字设为Unknown（也可以根据邮箱自定义）
            if not current_employee:
                current_employee["Employee name"] = "Unknown"
            current_employee["designation"] = value
        elif key == "Email":
            current_employee["email"] = value
        elif key == "ContactNo":
            current_employee["contact"] = clean_contact(value)
        elif key == "Qualification":
            current_employee["Qualification"] = clean_qualification(value)
        elif key == "Area of Interest / Specialisation":
            current_employee["Specialisation"] = value
    
    # 把最后一个员工的数据加入列表
    if current_employee:
        employees_list.append(current_employee)

# 写入CSV文件
with open('log.csv', 'w', newline='') as output_file:
    writer = csv.DictWriter(output_file, fieldnames=csv_headers)
    writer.writeheader()
    # 确保每一行都包含所有表头字段，缺失的填空字符串
    for employee in employees_list:
        csv_row = {header: employee.get(header, "") for header in csv_headers}
        writer.writerow(csv_row)

代码关键点解释 #

1. 用字典收集员工信息：每个员工的属性都存在一个字典里，键对应CSV的表头，这样能轻松映射到列。
2. 脏数据处理：专门写了两个清理函数，处理Contact里的Intercom信息、Qualification里的多余冒号、HTML实体（比如&）等问题。
3. 兼容两种员工条目：既处理有Employee Name开头的员工，也处理直接从Designation开始的员工，给无姓名的员工设置默认值。
4. 使用DictWriter：比普通的csv.writer更适合这种表头对应场景，自动处理列的顺序。

输出效果 #

运行后生成的CSV会是你需要的格式：每行对应一个员工，所有属性都在指定的列里，脏数据也被清理干净。

内容的提问来源于stack exchange，提问作者ARUN XZA