如何使用NetworkX读取空格分隔文本构建可分析的关系网络图

核心逻辑说明 #

此前使用readline()读取得到的整行字符串，本质是未拆分的纯文本，只要通过字符串拆分方法将每一行解析为独立的两个作者节点，即可直接适配NetworkX的图构建逻辑，无需复杂的字符串处理。

基础读取实现（无权重合作图） #

针对每一行存储一对作者合作关系的格式，采用逐行遍历+空白拆分的方式读取，代码可直接运行：

import networkx as nx
import matplotlib.pyplot as plt
# 初始化无向图（作者合作为双向对等关系，无需使用有向图结构）
coauthor_graph = nx.Graph()
# 打开目标文件逐行解析
with open("train.txt", "r", encoding="utf-8") as f:
    for raw_line in f:
        # 去除行首尾的换行符、多余空格，按任意空白字符拆分（兼容多空格、制表符分隔场景）
        line_parts = raw_line.strip().split()
        # 跳过空行、无效行
        if len(line_parts) < 2:
            continue
        # 将拆分得到的两个作者ID作为边加入图
        # NetworkX会自动对重复边去重，即使同一对作者的合作记录多次出现也不会产生冗余边
        coauthor_graph.add_edge(line_parts[0], line_parts[1])

注意：拆分时使用无参数的split()方法，比显式指定split(" ")的鲁棒性更强，可自动过滤连续空格、行内多余空白，避免生成空字符串的无效节点。

带权重的扩展读取实现 #

如果需要统计同一对作者的合作发文量（将重复出现的边作为边权重），可在读取时累加边的出现次数：

weighted_coauthor_graph = nx.Graph()
with open("train.txt", "r", encoding="utf-8") as f:
    for raw_line in f:
        line_parts = raw_line.strip().split()
        if len(line_parts) <2:
            continue
        author_u, author_v = line_parts[0], line_parts[1]
        # 读取当前边的已有权重，首次出现则默认权重为0
        exist_weight = weighted_coauthor_graph[author_u][author_v]["weight"] if weighted_coauthor_graph.has_edge(author_u, author_v) else 0
        # 更新权重：每遇到一次合作记录就累加1
        weighted_coauthor_graph.add_edge(author_u, author_v, weight=exist_weight +1)

读取结果验证与绘图 #

读取完成后可先校验数据规模是否符合预期，再执行可视化：

# 基础结果校验
print(f"共识别独立作者节点：{coauthor_graph.number_of_nodes()}")
print(f"共识别有效合作关系：{coauthor_graph.number_of_edges()}")
# 基础关系图绘制
nx.draw(coauthor_graph, with_labels=True, node_size=60, font_size=8)
plt.show()

常见问题规避 #

• 不要直接将整行读取的字符串作为节点传入图结构，否则会将整行内容识别为单个孤立节点，无法构建真实的边连接关系。
• 若作者ID为数字格式，无需手动转成整数类型，NetworkX支持字符串格式的节点标识，强制转成整数反而可能和文件内的原始格式不匹配。

内容的提问来源于stack exchange，提问作者Kamalpreet singh