Python教程：定制化解析复杂空格分隔文本并生成CSV

import re
import csv

def parse_bad_txt_to_table(filepath):
    """
    解析不规范的空格分隔文本文件，并将其转换为一个列表的列表（表格形式）。

    Args:
        filepath (str): 待解析的文本文件路径。

    Returns:
        list[list[str]]: 解析后的数据表格，每个内部列表代表一行。
    """
    table = []
    try:
        with open(filepath, 'r', encoding='utf-8') as f:
            lines = f.readlines()
    except FileNotFoundError:
        print(f"错误：文件 '{filepath}' 未找到。")
        return []
    except Exception as e:
        print(f"读取文件时发生错误：{e}")
        return []

    for i, line in enumerate(lines):
        line = line.rstrip('\n') # 移除行尾的换行符

        if i == 0:
            # 第一行：标题行。假设标题字段之间不会有“假分隔符”，
            # 故可以安全地按2个或更多空格分割。
            row = re.split(r' {2,}', line)
            table.append(row)
            continue

        if not line.strip(): # 检查是否为空行（包括只含空格的行）
            # 忽略空行，或者根据需要进行特定处理
            continue

        # 对于数据行，我们需要更复杂的逻辑来区分字段分隔符和数据内部的空格
        def replfunc(match_obj):
            """
            根据匹配到的连续空格的长度，决定是替换为单个空格（数据内部）
            还是一个或多个制表符（字段分隔符）。
            """
            L = len(match_obj.group(0)) # 获取匹配到的连续空格的长度

            # 特殊情况处理：识别数据内部的特定空格模式。
            # 示例中 "Rejected at  level." 内部有2个空格，这不应被视为分隔符。
            start, end = match_obj.span()
            if L == 2 and line[:start].endswith('Rejected at') and line[end:].startswith('level.'):
                return ' ' # 将其替换为单个空格，保留在数据内部

            # 其他连续空格被视为字段分隔符，根据其长度映射为不同数量的制表符。
            # 这里的映射规则需要根据实际数据进行观察、分析和调整。
            if L < 2:
                # 理论上不应出现少于2个空格被视为分隔符的情况，否则与数据内部空格冲突。
                # 如果出现，保持不变或抛出警告。
                return match_obj.group(0)
            elif 2 <= L <= 12: # 2到12个空格，替换为单个制表符
                return '\t'
            elif L == 17: # 17个空格，替换为两个制表符（表示中间可能存在一个空字段）
                return '\t\t'
            elif L == 43: # 43个空格，替换为三个制表符
                return '\t\t\t'
            elif L == 61: # 61个空格，替换为五个制表符
                return '\t\t\t\t\t'
            elif L == 120 or L == 263: # 其他特定长度的空格，替换为单个制表符
                return '\t'
            else:
                # 如果遇到未预料的空格长度，可以标记出来以便调试和规则完善。
                # print(f"警告: 未处理的空格长度 {L} 在行 {i+1}: '{line}'")
                return '\t' # 默认替换为单个制表符，可能需要调整

        # 使用re.sub结合replfunc替换连续空格，将字段分隔符统一为制表符
        tabbed_line = re.sub(r'\s{2,}', replfunc, line)
        row = tabbed_line.split('\t') # 依据制表符分割字段
        table.append(row)
    return table

def write_table_to_csv(table_data, output_filepath):
    """
    将解析后的表格数据写入CSV文件。

    Args:
        table_data (list[list[str]]): 待写入的表格数据。
        output_filepath (str): 输出CSV文件的路径。
    """
    try:
        with open(output_filepath, 'w', newline='', encoding='utf-8') as csvfile:
            csv_writer = csv.writer(csvfile)
            csv_writer.writerows(table_data)
        print(f"数据已成功转换为 '{output_filepath}'")
    except Exception as e:
        print(f"写入CSV文件时发生错误：{e}")

# --- 示例使用 ---
input_file = 'input.txt'  # 假设您的原始文本文件名为input.txt
output_file = 'Report.csv'

# 1. 解析文本文件
parsed_data_table = parse_bad_txt_to_table(input_file)

# 2. 将解析后的数据写入CSV文件
if parsed_data_table:
    write_table_to_csv(parsed_data_table, output_file)

# ---------------------------
# 以下代码用于在控制台美观地打印解析结果，便于检查（可选）
def print_formatted_table(table_data):
    """
    在控制台以对齐的方式打印表格数据。
    """
    if not table_data:
        print("无数据可显示。")
        return

    # 计算每列的最大宽度
    max_n_fields = max(len(row) for row in table_data)
    field_widths = [0] * max_n_fields
    for row in table_data:
        for j, field in enumerate(row):
            if j < max_n_fields:
                field_widths[j] = max(field_widths[j], len(field))

    # 打印表格
    for row in table_data:
        for j, field in enumerate(row):
            if j < max_n_fields:
                print(field.ljust(field_widths[j]), end='|')
        print()

# print("\n解析结果预览：")
# print_formatted_table(parsed_data_table)