Python读取多个TXT文件并提取指定列写入Excel

目录

• 一、前置准备
• 1. 安装依赖库
• 2. 明确 TXT 文件格式
• 二、核心代码实现
• 场景 1：所有 TXT 结构一致，提取指定列（合并到 Excel 单个 Sheet）
• 场景 2：按 TXT 文件分 Sheet 写入 Excel
• 三、关键参数说明
• 四、常见问题解决
• 1. TXT 读取乱码
• 2. 列索引越界报错
• 3. 部分行跳过（on_bad_lines="skip"）
• 五、扩展优化

本文将实现批量读取指定文件夹下的所有 TXT 文件，提取每个文件中指定列的所有值，并将结果写入 Excel（支持按文件分 Sheet、或合并到单个 Sheet）。核心使用pandas（高效处理文本 / 表格数据）和openpyxl（Excel 写入引擎），兼顾简洁性和通用性。

执行以下命令安装所需库：

pip install pandas openpyxl 

• pandas：快速读取 TXT 文件、提取列数据；
• openpyxl：支持写入.xlsx 格式 Excel 文件（pandas 默认依赖）。

需先确认 TXT 文件的分隔符（常见类型）：

• 空格分隔（如1 张三 20）；
• 制表符分隔（t，如1t张三t20）；
• 逗号分隔（如1,张三,20）；
• 其他分隔符（如|、;）。

适用于所有 TXT 文件的列数、列顺序完全相同，提取同一列（如第 2 列）并汇总到 Excel 的一个 Sheet 中，标注数据来源文件。

import os
import pandas as pd

def txt_col_to_excel(
    txt_folder,       # TXT文件所在文件夹路径
    excel_path,       # 输出Excel文件路径（如"result.xlsx"）
    target_col_index, # 要提取的列索引（从0开始，如第2列填1）
    sep="s+",        # TXT文件分隔符，默认匹配任意空格（含多个空格/制表符）
    encoding="utf-8"  # TXT文件编码（常见gbk/utf-8）
):
    """
    批量读取TXT文件，提取指定列写入Excel单个Sheet
    """
    # 初始化汇总数据列表
    all_data = []
    
    # 遍历文件夹下所有TXT文件
    for filename in os.listdir(txt_folder):
        # 仅处理.txt后缀文件
        if not filename.endswith(".txt"):
            continue
        
        # 拼接完整文件路径
        txt_path = os.path.join(txt_folder, filename)
        print(f"正在处理文件：{filename}")
        
        try:
            # 1. 读取TXT文件为DataFrame
            # sep="," 对应逗号分隔；sep="t" 对应制表符；sep="|" 对应竖线分隔
            df = pd.read_csv(
                txt_path,
                sep=sep,
                encoding=encoding,
                header=None,  # TXT无表头时设为None，有表头则设为0
                on_bad_lines="skip"  # 跳过格式错误的行
            )
            
            # 2. 提取指定列，添加"来源文件"列便于溯源
            target_col = df.iloc[:, target_col_index]  # iloc[:,n] 提取第n列（索引从0开始）
            temp_df = pd.DataFrame({
                "来源文件": filename,
                "目标列数据": target_col
            })
            
            # 3. 追加到汇总列表
            all_data.append(temp_df)
        
        except Exception as e:
            print(f"处理文件 {filename} 失败：{e}")
            continue
    
    # 4. 合并所有数据并写入Excel
    if all_data:
        final_df = pd.concat(all_data, ignore_index=True)
        # index=False 不写入行索引；engine="openpyxl" 支持.xlsx格式
        final_df.to_excel(excel_path, sheet_name="汇总数据", index=False, engine="openpyxl")
        print(f"所有数据已写入Excel：{excel_path}")
    else:
        print("未找到有效TXT文件或提取数据为空！")

# 示例调用
if __name__ == "__main__":
    # 配置参数（根据实际情况修改）
    TXT_FOLDER = r"E:test_txt"  # TXT文件所在文件夹（绝对路径）
    EXCEL_PATH = "提取结果.xlsx"  # 输出Excel路径
    TARGET_COL_INDEX = 1         # 提取第2列（索引从0开始）
    SEP = "s+"                  # TXT分隔符（如逗号分隔则改为","）
    ENCODING = "utf-8"           # 若TXT乱码，尝试改为"gbk"
    
    # 执行函数
    txt_col_to_excel(TXT_FOLDER, EXCEL_PATH, TARGET_COL_INDEX, SEP, ENCODING)

若希望每个 TXT 文件的指定列单独存入 Excel 的一个 Sheet（Sheet 名 = TXT 文件名），修改核心逻辑如下：

import os
import pandas as pd

def txt_col_to_excel_by_sheet(
    txt_folder,
    excel_path,
    target_col_index,
    sep="s+",
    encoding="utf-8"
):
    # 创建Excel写入器
    with pd.ExcelWriter(excel_path, engine="openpyxl") as writer:
        for filename in os.listdir(txt_folder):
            if not filename.endswith(".txt"):
                continue
            
            txt_path = os.path.join(txt_folder, filename)
            print(f"正在处理文件：{filename}")
            
            try:
                df = pd.read_csv(
                    txt_path,
                    sep=sep,
                    encoding=encoding,
                    header=None,
                    on_bad_lines="skip"
                )
                
                # 提取指定列，重命名列名
                target_df = df.iloc[:, [target_col_index]]  # 保留列结构
                target_df.columns = ["目标列数据"]
                
                # Sheet名：去掉.txt后缀
                sheet_name = filename.replace(".txt", "")
                # 写入对应Sheet
                target_df.to_excel(writer, sheet_name=sheet_name, index=False)
            
            except Exception as e:
                print(f"处理文件 {filename} 失败：{e}")
                continue
    
    print(f"所有文件已分Sheet写入Excel：{excel_path}")

# 示例调用
if __name__ == "__main__":
    TXT_FOLDER = r"E:test_txt"
    EXCEL_PATH = "按文件分Sheet结果.xlsx"
    TARGET_COL_INDEX = 1
    SEP = "s+"
    ENCODING = "utf-8"
    
    txt_col_to_excel_by_sheet(TXT_FOLDER, EXCEL_PATH, TARGET_COL_INDEX, SEP, ENCODING)

参数	说明
txt_folder	TXT 文件所在文件夹路径，建议用绝对路径（如r"E:datatxt"），避免路径错误
target_col_index	目标列索引（从 0 开始），例如第 1 列填 0、第 3 列填 2
sep	TXT 分隔符：- 空格分隔：sep="s+"（匹配 1 个或多个空格）- 制表符：sep="t"– 逗号：sep=","– 竖线：`sep="	"`
encoding	TXT 文件编码，Windows 默认 ANSI 对应gbk，UTF-8 文件填utf-8
header	若 TXT 文件有表头（如第一行是 "序号，姓名，年龄"），设为header=0，否则None

• 原因：编码不匹配（如文件是 gbk 编码，代码用 utf-8 读取）；
• 解决：将encoding改为gbk，或用chardet库检测文件编码：

import chardet
with open("test.txt", "rb") as f:
    result = chardet.detect(f.read())
print("文件编码：", result["encoding"])  # 输出如gbk/utf-8

• 原因：指定的target_col_index超过 TXT 文件的列数；
• 解决：先打印 TXT 文件的列数，确认索引：

df = pd.read_csv("test.txt", sep="s+", header=None)
print("TXT文件列数：", df.shape[1])  # 输出列数，索引范围0~列数-1

• 原因：TXT 中部分行格式错误（如列数不一致）；
• 解决：若需保留所有行，可去掉该参数，手动排查格式错误行。

支持子文件夹遍历：若 TXT 文件分布在子文件夹中，用os.walk替换os.listdir：

for root, dirs, files in os.walk(txt_folder):
    for filename in files:
        if filename.endswith(".txt"):
            txt_path = os.path.join(root, filename)
            # 后续处理逻辑不变

数据去重 / 清洗：提取列后可添加去重逻辑：

target_df = target_df.drop_duplicates()  # 去重
target_df = target_df.dropna()           # 删除空值行

追加写入 Excel：若需向已有 Excel 追加数据，可先读取原有数据，再合并后写入。

该方案兼顾通用性和易用性，适用于大多数结构化 TXT 文件的列提取场景，可根据实际需求调整分隔符、编码、列索引等参数。

以上就是Python读取多个TXT文件并提取指定列写入Excel的详细内容，更多关于Python读取多个TXT并写入Excel的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python读取和写入txt、Excel文件和JSON文件的方法
• Python读取txt内容写入xls格式excel中的方法
• Python读取pdf、word、excel、ppt、csv和txt文件提取所有文本
• python读取和保存为excel、csv、txt文件及对DataFrame文件的基本操作指南
• Python实现读取txt文件并转换为excel的方法示例