如何使用Python导入列大小模式不同的固定宽度CSV文件？

咱们先梳理下核心需求：这个文件里每行的格式完全由前两位字符区分——01代表企业，02代表个人；而且一个企业可能对应多行所有者信息，所有者名称还可能包含逗号、句号这类特殊字符。常规的固定宽度读取工具（比如pandas的read_fwf）没法直接处理这种多格式混合的场景，所以咱们得逐行判断实体类型，再用对应的规则拆分字段，同时还要处理企业与多所有者的关联逻辑。

步骤1：明确字段宽度规则 #

根据你给出的示例，先把两种实体的字段拆分逻辑确定下来（你可以根据实际数据调整宽度数值）：

• 企业行（01开头）：
  • 前2位：实体类型（固定为01）
  • 接下来14位：企业ID（比如示例里的83738293836728）
  • 剩余部分：企业名称（可能包含空格、连字符）
• 个人行（02开头）：
  • 前2位：实体类型（固定为02）
  • 接下来15位：所有者ID（示例里的837382938367282）
  • 接下来2位：年龄（示例里的22）
  • 剩余部分：所有者名称（可能包含逗号、句号）

步骤2：编写解析代码 #

下面是完整的Python实现，包含逐行读取、类型判断、字段解析，以及企业与所有者的关联逻辑：

def parse_mixed_fixed_width_file(file_path):
    # 存储最终结果：键为企业信息元组，值为对应所有者列表
    company_owners_map = {}
    current_active_company = None

    with open(file_path, 'r', encoding='utf-8') as file:
        for line_num, raw_line in enumerate(file, start=1):
            line = raw_line.strip()
            if not line:
                continue  # 跳过空行

            # 提取实体类型（前两位字符）
            entity_type = line[:2]

            try:
                if entity_type == '01':
                    # 解析企业行
                    company_id = line[2:16].strip()
                    company_name = line[16:].strip()
                    current_active_company = (company_id, company_name)
                    # 初始化该企业的所有者列表
                    company_owners_map[current_active_company] = []
                elif entity_type == '02':
                    # 解析个人行，需关联到当前企业
                    if not current_active_company:
                        print(f"警告：第{line_num}行是个人信息，但未找到对应企业行")
                        continue
                    owner_id = line[2:17].strip()
                    age = line[17:19].strip()
                    owner_name = line[19:].strip()
                    # 将所有者信息添加到当前企业的列表中
                    company_owners_map[current_active_company].append({
                        'owner_id': owner_id,
                        'age': age,
                        'owner_name': owner_name
                    })
                else:
                    print(f"警告：第{line_num}行的实体类型{entity_type}无法识别")
            except IndexError:
                print(f"错误：第{line_num}行格式异常，无法完成解析")

    return company_owners_map

# 使用示例：替换成你的文件路径
parsed_result = parse_mixed_fixed_width_file('your_data_file.txt')

# 打印解析结果
for (comp_id, comp_name), owners in parsed_result.items():
    print(f"企业ID: {comp_id} | 名称: {comp_name}")
    print("所有者信息：")
    for idx, owner in enumerate(owners, start=1):
        print(f"  {idx}. ID: {owner['owner_id']} | 年龄: {owner['age']} | 姓名: {owner['owner_name']}")
    print("-" * 50)

关键细节说明 #

• 逐行处理：既避免了大文件加载的内存压力，又能灵活适配不同格式的行
• 关联逻辑：用current_active_company变量跟踪当前处理的企业，确保所有者信息能正确归属
• 容错处理：加入了空行跳过、未知类型警告、格式错误捕获，避免程序直接崩溃
• 字段清洗：用strip()去除字段前后的冗余空格，保证数据整洁

如果你的实际字段宽度和示例不符，只需要修改代码里的切片索引（比如line[2:16]这类）即可，非常灵活。

内容的提问来源于stack exchange，提问作者Denis Alves