按字符位置解析含Unicode字符的固定宽度列文本行问题咨询

你遇到的偏移问题核心是struct模块操作的是字节序列，按字节数截取内容，而多字节Unicode字符的字节数和字符数不对等，所以会出现错位。你提到用字符串切片也遇到问题，大概率是当时操作的是encode后的bytes对象，bytes的切片按字节计数，只要操作的是解码后的str类型就不会有这个问题。

解决方案 #

Python中str类型本身就是Unicode字符序列，对str做切片默认就是按字符数计数，完全符合你的需求，不需要依赖struct模块。

示例代码

# 你的原始行（已经是str类型）
line = '00041235957A CORU¥A       ABC\n'
# 定义每列的字符长度，和你要求的规则完全一致
col_widths = [4, 7, 15, 3]

# 预计算每个列的切片区间，处理多行时可以只计算一次提升效率
slices = []
offset = 0
for width in col_widths:
    slices.append(slice(offset, offset + width))
    offset += width

# 解析单行的方法
def parse_fixed_line(line: str) -> tuple:
    # 不需要去列尾空格的话，去掉.rstrip()即可
    return tuple(line[s].rstrip() for s in slices)

# 测试输出
print(parse_fixed_line(line))

输出结果

('0004', '1235957', 'A CORU¥A', 'ABC')

注意事项 #

• 读取文件时请使用文本模式打开并指定正确编码，例如open("data.txt", "r", encoding="utf-8")，读出来的每一行天然是str类型，无需手动解码。
• 如果你拿到的内容是bytes类型，请先调用.decode(对应编码)转为str后再做切片，不要直接对bytes做切片操作。

内容的提问来源于stack exchange，提问作者SAS2Python