如何在Python中读取含多行值的Informix UNL文件为DataFrame或CSV

我之前也踩过Informix导出的这种UNL文件的坑——它用反斜杠转义单元格内的逗号和换行，但pandas的read_csv默认逻辑对这种转义换行支持不太友好，因为它的escapechar参数只作用于分隔符和引号，不会自动处理被转义的行终止符。下面给你两个简单可行的解决方案：

方案一：预处理文件后用pandas读取 #

核心思路是先还原单元格内的换行，再交给pandas解析转义的逗号：

import pandas as pd
import csv
from io import StringIO

def process_informix_unl(file_path):
    # 读取整个文件内容
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()
    # 把Informix的转义换行（\ + 换行）还原成真实的单元格内换行
    processed_content = content.replace('\\\n', '\n')
    # 用pandas解析处理后的内容
    df = pd.read_csv(
        StringIO(processed_content),
        sep=',',
        escapechar='\\',
        quoting=csv.QUOTE_NONE
    )
    return df

# 调用示例
df = process_informix_unl('1.unl')
print(df)
# 如需保存为标准CSV（自动给含特殊字符的单元格加引号）
df.to_csv('output.csv', quotechar='"', quoting=csv.QUOTE_NONNUMERIC, index=False)

这个方案逻辑很直接：Informix用\+换行表示单元格内的换行，我们先把这种组合还原成真实换行符，再通过escapechar='\\'让pandas把\,解析成普通逗号，完美匹配原数据的转义规则。

方案二：手动逐行解析（适合复杂场景） #

如果预处理后仍有边缘问题，你可以手动处理转义和行合并逻辑，精细控制每一步：

import pandas as pd

def parse_informix_unl(file_path):
    headers = None
    data_rows = []
    current_field = []

    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            stripped_line = line.rstrip('\n')
            # 行尾是反斜杠，说明是当前单元格的延续
            if stripped_line.endswith('\\'):
                current_field.append(stripped_line[:-1])
            else:
                current_field.append(stripped_line)
                full_field_str = ''.join(current_field)
                # 拆分字段：处理转义的逗号
                fields = []
                temp_field = []
                is_escaped = False
                for char in full_field_str:
                    if is_escaped:
                        temp_field.append(char)
                        is_escaped = False
                    elif char == '\\':
                        is_escaped = True
                    elif char == ',':
                        fields.append(''.join(temp_field))
                        temp_field = []
                    else:
                        temp_field.append(char)
                fields.append(''.join(temp_field))
                
                if not headers:
                    headers = fields
                else:
                    data_rows.append(fields)
                # 重置当前字段缓存
                current_field = []

    return pd.DataFrame(data_rows, columns=headers)

# 调用示例
df = parse_informix_unl('1.unl')
print(df)

为什么你的原代码没生效？ #

你之前加了lineterminator='\n'参数，这会强制pandas把所有换行都当成行终止符，完全忽略前面的转义反斜杠。去掉这个参数，再配合预处理步骤，就能正确识别行边界了。

备注：内容来源于stack exchange，提问作者Azhak Anwar