本文详解如何将格式化的 sql 查询输出字符串（含表头与多行数据）高效转换为结构化字典列表，兼容 python 2 与 python 3，并支持空格分隔的字段解析及常见边界情况处理。
本文详解如何将格式化的 sql 查询输出字符串（含表头与多行数据）高效转换为结构化字典列表，兼容 python 2 与 python 3，并支持空格分隔的字段解析及常见边界情况处理。
在实际数据处理中，尤其是与遗留数据库交互或调用 CLI 工具执行 SQL 时，常会得到纯文本格式的查询结果（如 psql -t 或某些 ORM 的原始输出），其结构类似：
enable id ============= f avc-qwqwq t abd-rrtrtr f rec-yyuyu
该文本包含表头行、分隔线（============）和若干数据行。目标是将其转化为标准的结构化对象数组（即 Python 中的 list[dict]），例如：
[
{'enable': 'f', 'id': 'avc-qwqwq'},
{'enable': 't', 'id': 'abd-rrtrtr'},
{'enable': 'f', 'id': 'rec-yyuyu'}
]✅ 核心思路：分步解析 + 动态映射
- 按行切分：使用 str.splitlines() 安全处理跨平台换行符（\n, \r\n），避免 split('\n') 在末尾空行或 Windows 环境下的潜在问题；
- 提取表头：跳过分隔线（第二行），取首行并用 str.split() 拆分为字段名（自动忽略多余空白）；
- 逐行构建对象：对每条数据行，同样用 split() 提取非空字段，再通过 zip(header, values) 与 dict() 动态构造键值对。
? 推荐实现（Python 3 原生简洁版）
text = '''enable id
=============
f avc-qwqwq
t abd-rrtrtr
f rec-yyuyu '''
# 步骤1：安全按行分割（自动过滤空行 & 兼容换行符）
lines = [line.strip() for line in text.splitlines() if line.strip()]
# 步骤2：提取表头（第一行），忽略分隔线（第二行起非空行即为数据）
header = lines[0].split()
data_rows = lines[2:] # 跳过 header + separator
# 步骤3：逐行解析 → 构建字典列表
result = []
for row in data_rows:
values = row.split() # 按任意空白分割，鲁棒性强
if len(values) >= len(header): # 防止字段数不匹配
obj = dict(zip(header, values[:len(header)]))
result.append(obj)
print(result)
# 输出：
# [{'enable': 'f', 'id': 'avc-qwqwq'}, {'enable': 't', 'id': 'abd-rrtrtr'}, {'enable': 'f', 'id': 'rec-yyuyu'}]⚙️ Python 2 兼容写法（无解包语法）
Python 2 不支持 a, b, *rest = ... 解包，改用迭代器显式消费：
text = '''enable id
=============
f avc-qwqwq
t abd-rrtrtr
f rec-yyuyu '''
lines_iter = iter(text.splitlines())
header_line = next(lines_iter).strip()
_ = next(lines_iter) # 跳过分隔线
data_lines = [line.strip() for line in lines_iter if line.strip()]
header = header_line.split()
result = [
dict(zip(header, row.split()))
for row in data_lines
if row.split() # 过滤空行
]
print(result)⚠️ 注意事项与健壮性增强
-
字段对齐风险：若原始数据含空格但非分隔符（如 org 字段值为 "abc def"），split() 会错误切分。此时需改用固定列宽解析或正则提取：
import re # 假设 header 位置已知：'enable' 占前2字符，'id' 从第4列起 pattern = r'^(\S{1,2})\s+(\S.*)$' for row in data_lines: match = re.match(pattern, row) if match: enable, org = match.groups() result.append({'enable': enable.strip(), 'id': org.strip()}) 大小写/空格标准化：建议对 header 和 values 统一 strip()，避免 'enable ' 与 'enable' 键不一致；
-
缺失字段兜底：可为 zip 补充默认值，避免 dict(zip(h, v)) 因长度不等报错：
from itertools import zip_longest obj = dict(zip_longest(header, values, fillvalue=''))
编码兼容性：若字符串含非 ASCII 字符（如中文字段），确保源码文件声明 # -*- coding: utf-8 -*-，并在 Python 2 中显式解码 text.decode('utf-8')。
✅ 总结
该方案以最小依赖、最大兼容性完成「文本表格 → 对象数组」的转换：
? 利用 splitlines() + strip() 处理换行与空白，普适性强；
? split() 默认按任意空白分割，天然适应多空格对齐场景；
? zip(header, values) 实现动态字段映射，无需硬编码键名；
? 两版本代码均通过空行过滤、长度校验提升鲁棒性。
适用于日志解析、CLI 工具集成、轻量 ETL 等典型场景。
