我正在嘗試將長.txt文本表解析為pd.DataFrame. 或 Python 中的任何其他可讀形式。我成功地嘗試了一種方法來做到這一點，但我對它并不完全滿意，我確實想改進它。這是我的一個子集.txt：USAF   WBAN  STATION NAME                  CTRY ST CALL  LAT     LON      ELEV(M) BEGIN    END007018 99999 WXPOD 7018                                  +00.000 +000.000 +7018.0 20110309 20130730007026 99999 WXPOD 7026                    AF            +00.000 +000.000 +7026.0 20120713 20170822007070 99999 WXPOD 7070                    AF            +00.000 +000.000 +7070.0 20140923 20150926008260 99999 WXPOD8270                                   +00.000 +000.000 +0000.0 19960101 20100731008268 99999 WXPOD8278                     AF            +32.950 +065.567 +1156.7 20100519 20120323008307 99999 WXPOD 8318                    AF            +00.000 +000.000 +8318.0 20100421 20100421008411 99999 XM20                                                                 20160217 20160217008414 99999 XM18                                                                 20160216 20160217008415 99999 XM21                                                                 20160217 20160217008418 99999 XM24                                                                 20160217 20160217010000 99999 BOGUS NORWAY                  NO      ENRS                           20010927 20041019010010 99999 JAN MAYEN(NOR-NAVY)           NO      ENJA  +70.933 -008.667 +0009.0 19310101 20190203我嘗試了以下方法：測試 1：re用于解析空格：with open('test.txt') as f:   lines = f.readlines()   parsed_lines = [re.split("\s+", line) for line in lines]print(test)['007018', '99999', 'WXPOD', '7018', '+00.000', '+000.000', '+7018.0', '20110309', '20130730', '']這是好的，但遠非最佳，站名被拆分為另一個列表元素，這僅顯示了我的不良regex能力。    })這產生了一個很pd.DataFrame容易清潔的好東西。這是一個很好的方法，但我肯定不是一個很好的方法，有什么方法可以改進這個功能嗎？我希望這段代碼完美無缺，我不相信那些硬編碼的位置。我知道有些工具喜歡sed或awk非常有用，但現在我只能在這個上運行 python；當然subprocess可以做到這一點，但我想依靠 Python 來做到這一點。