如何从制表符分隔文本中移除字符串外的字符？（Python场景）

嘿，我来帮你搞定这个问题！从你的描述来看，你需要处理一个制表符分隔（TSV）的零件清单文件，目标是移除每个字段字符串外部的多余字符——比如字段前后的空白、意外混入的非打印字符，或者不必要的引号之类的。结合你已经写了一部分的Python代码，我给你整理了几个实用的解决方案：

基础方案：清理字段前后的空白字符 #

这是最常见的场景，比如有些字段可能因为输入或导出问题，前后多了空格、换行符或者制表符。我们可以直接对每个字段用strip()处理：

def clean_tsv_fields(input_file, output_file):
    # 以UTF-8编码读写文件，避免乱码
    with open(input_file, 'r', encoding='utf-8') as infile, open(output_file, 'w', encoding='utf-8') as outfile:
        # 处理表头行
        header_line = infile.readline()
        if header_line:
            # 按制表符分割表头，清理每个字段的前后空白
            cleaned_header = '\t'.join(field.strip() for field in header_line.split('\t'))
            outfile.write(cleaned_header.rstrip('\n') + '\n')
        
        # 处理每一行数据
        for line in infile:
            # 跳过空行
            stripped_line = line.strip()
            if not stripped_line:
                continue
            # 分割字段并清理每个字段
            cleaned_fields = [field.strip() for field in stripped_line.split('\t')]
            # 重新用制表符拼接成行，写入新文件
            outfile.write('\t'.join(cleaned_fields) + '\n')

# 调用函数处理你的文件
clean_tsv_fields("Mrinq_Parts_Available.txt", "Cleaned_Mrinq_Parts_Available.txt")

进阶方案：移除特定无关字符 #

如果你的文件里混入了非打印字符（比如控制字符），或者其他不需要的符号，可以用正则表达式来精准清理：

import re

def clean_specific_chars(field):
    # 移除所有非打印字符（比如换行、制表符之外的控制字符）
    cleaned = re.sub(r'[\x00-\x1F\x7F]', '', field)
    # 再清理字段前后的空白
    return cleaned.strip()

def advanced_clean_tsv(input_file, output_file):
    with open(input_file, 'r', encoding='utf-8') as infile, open(output_file, 'w', encoding='utf-8') as outfile:
        header_line = infile.readline()
        if header_line:
            cleaned_header = '\t'.join(clean_specific_chars(field) for field in header_line.split('\t'))
            outfile.write(cleaned_header.rstrip('\n') + '\n')
        
        for line in infile:
            stripped_line = line.strip()
            if not stripped_line:
                continue
            cleaned_fields = [clean_specific_chars(field) for field in stripped_line.split('\t')]
            outfile.write('\t'.join(cleaned_fields) + '\n')

# 调用进阶清理函数
advanced_clean_tsv("Mrinq_Parts_Available.txt", "Advanced_Cleaned_Parts.txt")

特殊场景：移除字段的引号包裹 #

如果你的TSV字段被意外添加了引号（比如导出时自动加上的双引号），可以专门处理这种情况：

def remove_quotes_and_clean(field):
    # 如果字段前后有单引号或双引号，移除它们
    if field.startswith(('"', "'")) and field.endswith(('"', "'")):
        field = field[1:-1]
    # 再清理前后空白
    return field.strip()

# 把这个函数替换到上面的代码里，替换clean_specific_chars即可

关键思路说明 #

不管哪种场景，核心逻辑都是一致的：

1. 按制表符\t分割每一行，得到独立的字段
2. 对每个字段单独做清理操作（保留字段内部的合法字符，只移除外部的多余内容）
3. 把清理后的字段重新用制表符拼接，写入新文件

这样既不会破坏TSV的结构，又能精准清理每个字段的多余字符。

内容的提问来源于stack exchange，提问作者Shubham Kuse