如何使用Python/Pandas将键值对格式非CSV文本转换为CSV文件

你原来的代码报错核心原因是用冒号作为全分隔符读取文件，只要行内冒号数量超过1个（比如Buyer字段值里自带冒号），pandas就会判定字段数不符合预期，直接跳过该行。跳行后4个字段的对应顺序被打乱，自然出现Buyer字段数据错位、缺失的问题。

不要直接用pd.read_csv按冒号分隔读取，改为先逐行读取文件内容，仅拆分每行的第一个冒号（字段名和值的分隔固定是第一个冒号，后续冒号都属于字段值内容），再按规则拼接成结构化数据，完全可以避免特殊字符的干扰。

import pandas as pd

# 存储所有结构化后的完整记录
all_records = []
# 临时存储单条正在处理的记录
current_record = {}

# 读取原始文本文件，路径前加r防止Windows路径转义报错
with open(r'C:\File Path\test.txt', 'r', encoding='utf-8') as f:
    for line in f:
        # 清除每行首尾的空格、换行符、多余HTML标签（如果有的话）
        line = line.strip().replace('<br />', '').replace('<br/>', '')
        # 跳过空行
        if not line:
            continue
        # 仅拆分第一个冒号，参数1表示最多拆分1次
        key, value = line.split(':', 1)
        # 清除字段名和值的首尾空格
        key = key.strip()
        value = value.strip()
        current_record[key] = value
        
        # 凑齐4个字段说明单条记录读取完成
        if len(current_record) == 4:
            all_records.append(current_record)
            # 清空临时变量准备读取下一条记录
            current_record = {}

# 直接转换为DataFrame
df = pd.DataFrame(all_records)
# 导出为CSV，设置encoding=utf-8-sig保证中文不乱码，index=False去掉多余的索引列
df.to_csv(r'C:\File Path\output.csv', index=False, encoding='utf-8-sig')

• split(':', 1)是解决冒号冲突的核心：比如遇到Buyer: Jake and Bob: Owner%LLC: Inc这类内容，拆分后得到的键是Buyer，值是Jake and Bob: Owner%LLC: Inc，完全保留了Buyer字段的原始内容，不会触发字段数错误。
• 逻辑全程没有跳行、没有透视补空操作，不会出现字段错位问题，新手也能轻松调整。

内容的提问来源于stack exchange，提问作者SupaDupa