### Python 读取和解析 TXT 文件的内容 在 Python 中，可以通过多种方法来读取和解析 `.txt` 文件的内容。下面详细介绍几种常见的实现方式。 #### 方法一：使用 `open()` 函数逐行读取 这是最基础的方式之一，适合处理较小的文件或者只需要部分数据的情况。通过打开文件对象并逐行读取内容，可以轻松获取每一行的信息[^3]。 ```python f = open("example.txt", "r") # 打开文件 lines = f.readlines() # 读取所有行到列表中 for line in lines: print(line.strip()) # 去除每行多余的空白字符（如换行符） f.close() # 关闭文件 ``` #### 方法二：使用上下文管理器 (`with`) 自动关闭文件 这种方法更加安全可靠，在完成操作后会自动释放资源，推荐作为首选方案[^1]。 ```python with open('data.txt', 'r') as file: for line in file: processed_line = line.strip() if processed_line: # 跳过空行 print(processed_line) ``` #### 方法三：将特定列的数据存储至列表 如果目标是从文本文件中提取某几列的数据，则可以在遍历过程中按需筛选所需字段[^1]。 假设输入文件 `data.txt` 的结构如下： ``` name age score Alice 20 98 Bob 22 76 Charlie 21 85 ``` 那么可以用以下脚本仅保留第二列年龄信息： ```python ages = [] with open('data.txt', 'r') as infile: next(infile) # 如果有表头则跳过首行 for record in infile: fields = record.split() ages.append(int(fields[1])) # 提取第2个元素即age，并转成整数形式保存下来 print(ages) ``` 以上代码片段展示了如何把指定位置上的字符串数值转化为实际可用的形式——这里是以整型为例[^2]。 #### 方法四：利用第三方库 Pandas 进一步简化流程 对于更复杂的场景比如涉及大量数据分析工作时，引入 pandas 库能够极大地方便我们对表格类数据的操作[^2]。 安装命令:`pip install pandas` 示例程序: ```python import pandas as pd df = pd.read_csv('data.txt', sep='\s+', header=0) # 使用正则表达式匹配任意数量的空白分隔符 selected_column = df['score'] # 获取分数这一列 print(selected_column) ``` 此段落介绍了当面对不同需求时可采取的不同策略以及相应工具的选择依据[^2]。 ---