Python按字符位置拆分无分隔固定宽度文本列的方案咨询

问题本质 #

你接触的这份文本是固定列宽格式（FWF），没有逗号、制表符这类通用分隔符，列边界完全由固定的字符位置决定，短内容用空格补位对齐。直接用默认按空白分割的pd.read_csv读取，会把列内的补位空格误判成分隔符，最终导致列完全错位。
针对这种格式，pandas本身就提供了专门的读取方法，不需要手动处理分割逻辑，针对10万行、每行120字符的规模，性能完全够用。 #

实现方案 #

方案1：基于pandas（适配你现有代码习惯） #

字符位置映射对齐

注意Python的字符串索引是从0开始计数的，和你日常描述的“第N个字符”存在1个固定偏移，结合你给出的列规则，对应关系如下：

读取代码实现

不需要手动写分割逻辑，直接调用pandas专属的固定宽度读取接口pd.read_fwf，把整理好的列边界传入即可：

import pandas as pd

# 按顺序定义每列的(起始字符索引, 结束字符索引)
# 目前先填入你已经明确给出的前5列位置，后续拿到剩余9列的位置，按照同样规则补充进列表即可
column_boundaries = [
    (0, 1),    # O/L标识列
    (1, 5),    # 年份列
    (5, 13),   # 月份列
    (13, 21),  # 汽车品牌列
    (21, 22)   # 句点列
]

df = pd.read_fwf(
    'text.txt',
    colspecs=column_boundaries,
    header=None,    # 文件无表头
    index_col=0     # 将第1列（O/L标识）设为索引，和你原代码的需求一致
)

# 可手动为列命名，提升可读性
df.columns = ['年份', '月份', '汽车品牌', '句点']
print(df.head())

方案2：纯Python原生实现（不依赖pandas） #

如果不想安装pandas，直接逐行按位置切割字符串即可，逻辑非常简单，没有额外依赖：

# 列边界定义和pandas方案完全一致
column_boundaries = [
    (0, 1),
    (1, 5),
    (5, 13),
    (13, 21),
    (21, 22)
]

structured_data = []
with open('text.txt', 'r', encoding='utf-8') as f:
    for line in f:
        # 去掉行尾换行符，避免干扰最后一列的读取
        clean_line = line.rstrip('\n')
        # 按位置切割每列，同时去掉列前后的补位空格
        current_row = [
            clean_line[start:end].strip()
            for start, end in column_boundaries
        ]
        structured_data.append(current_row)

# 后续可根据需求将结构化数据转成字典、数组或者其他格式
print(structured_data[:5])

常见踩坑提醒 #

• 不要直接用str.split(' ')按空格分割，列内部的补位空格不属于内容本身，分割后会产生大量空字符串，直接打乱列的顺序。
• 处理每行内容时记得剥离行尾的换行符，不然会导致最后一列的读取长度超出实际内容范围。
• 计算切片区间时，一定要遵循Python左闭右开的规则，比如长度为4的年份字段，从索引1开始切，结束位置写5而不是4，不然会少读一个字符。

内容的提问来源于stack exchange，提问作者JeannyJ90