Python批量合并TXT文本并导出Excel的实用脚本解析

代码笔记2天前更新

6,621 0 23

Python 批量合并 TXT 文本并导出 Excel 的实用脚本解析

在日常的数据处理和内容管理工作中，经常会遇到这样的场景：我们有大量以 TXT 文件保存的文章或采集数据，这些文件结构相似，包含标题、正文、关键词、描述等字段。如果逐个手工复制粘贴到 Excel 中，效率极低，而且容易出错。

Python批量合并TXT文本并导出Excel

本文将介绍一个基于 Python + Pandas 的自动化脚本，它能够批量读取指定目录下的 TXT 文件，提取其中的结构化信息，并一键导出为 Excel 表格，极大提高了数据整理效率。

功能概述

批量读取 TXT 文件：支持遍历整个文件夹，只处理 .txt 文件。
智能匹配字段：通过正则表达式匹配不同的“标题行”，自动识别出“标题、文章内容、文章标题、文章关键字、文章描述、文章地址”。
容错性强：兼容 UTF-8、UTF-8-SIG、GB18030 等常见编码方式，避免乱码问题。
可选提取模式：支持提取“标题行后的第一条非空行”或“完整内容”，用户可通过 ONLY_FIRST_LINE 开关灵活设置。
统一导出 Excel：最终生成一个 合并结果.xlsx 文件，结构化保存所有 TXT 文件内容，方便后续编辑、分析和存档。

核心代码解析

1. 正则匹配标题行

脚本使用正则表达式对标题行进行智能识别，支持多种同义词和中英文标注：


header_patterns = {
    "标题": re.compile(r'^\s*标题\s*[:：]?\s*$'),
    "文章内容": re.compile(r'^\s*(文章内容|内容|正文)\s*[:：]?\s*$', re.I),
    "文章标题": re.compile(r'^\s*(文章标题|SEO标题|页面标题)\s*[:：]?\s*$', re.I),
    "文章关键字": re.compile(r'^\s*(文章关键字|关键词|关键字|keywords?)\s*[:：]?\s*$', re.I),
    "文章描述": re.compile(r'^\s*(文章描述|描述|description)\s*[:：]?\s*$', re.I),
    "文章地址": re.compile(r'^\s*(文章地址|地址|url|链接)\s*[:：]?\s*$', re.I),
}

2. 多编码自动适配

为了避免读取 TXT 文件时出现乱码，脚本尝试了三种常见编码：


for enc in ("utf-8-sig","utf-8","gb18030"):
    try:
        with open(path, "r", encoding=enc) as f:
            return f.read()
    except UnicodeDecodeError:
        continue

3. 灵活的提取逻辑

脚本支持两种提取模式，由 ONLY_FIRST_LINE 控制：


if ONLY_FIRST_LINE:
    value = next((b for b in buf if b), "")
else:
    value = "\n".join([b for b in buf if b]).strip()

4. Excel 输出

最终结果会以 Pandas DataFrame 的形式保存，并导出为 Excel 文件：


df = pd.DataFrame(rows, columns=[
    "TXT文件名","标题","文章内容","文章标题","文章关键字","文章描述","文章地址"
])
out_xlsx = os.path.join(folder, "合并结果.xlsx")
df.to_excel(out_xlsx, index=False)