10行Python代码实现TXT转CSV一键转换

你是不是也经常遇到这些糟心事：拿到一堆 TXT 格式的实验数据、GIS 点数据、传感器监测数据，想导入 Excel/SPSS/ArcGIS 分析，却被乱码、分隔符不对、空行干扰 搞得心态爆炸？

手动改格式？数据量小还能凑活，几百上千行数据直接劝退；用 Excel 导入向导？步骤繁琐还容易丢表头，换个文件又要重新设置一遍。今天给大家分享一段我 日常科研中高频使用的 Python 代码，仅需 10 行核心代码，一键搞定 TXT 转 CSV，完美解决上述所有痛点，新手也能零门槛上手，看完就能复刻！

一、先聊痛点：你是不是也踩过这些坑？

处理 TXT 转 CSV 的过程中，90% 的人会遇到这 3 个核心问题：

• 乱码重灾区：用 Excel 直接打开转换后的 CSV，中文表头 / 内容变成 “????”，改编码改到怀疑人生；
• 分隔符踩坑：TXT 数据有的用逗号分隔、有的用分号、有的用空格，分隔符设错直接读成一列，数据全乱；
• 空行搞破坏：原始 TXT 数据里夹杂空行，读取后出现大量 NaN 值，后续分析还要手动清理；
• 表头丢失：转换后表头变成第一行数据，导致数据维度错乱，统计分析全错。

针对这些痛点，我整理了一套 “懒人友好型” TXT 转 CSV 代码，只需修改 2 行路径，剩下的交给代码，全程无需懂复杂语法，新手也能 1 分钟搞定！

二、核心优势：为什么这套代码值得收藏？

✅ 零门槛使用：只需改 2 行路径，复制粘贴就能跑，不用懂 Python 底层逻辑；

✅ 解决乱码顽疾：专门适配 Excel 的编码格式，打开绝对无乱码；

✅ 适配各类分隔符：逗号、分号、制表符都能兼容，改一个参数就行；

✅ 自动清理空行：原始 TXT 有空白行？代码自动跳过，无需手动删；

✅ 保留完整表头：第一行表头原样保留，数据维度不跑偏；

✅ 可视化验证：转换完成后自动输出数据行数 / 列数 / 表头，直观确认是否转换成功。

三、完整可运行代码（直接复制用）

先上完整代码，大家可以先收藏，后面逐行拆解核心逻辑：

# -*- coding: utf-8 -*-
"""
Created on Mon Jan 19 18:11:27 2026
@author: 做科研的周师兄
"""

import pandas as pd

# ====================== 只需修改这2行路径 ======================
txt_file_path = r"L:\ML\train\point\IntptRtP.txt"  # 你的txt文件完整路径
csv_save_path = r"L:\ML\train\point\IntptRtP.csv"  # 生成的csv保存路径
# ==============================================================

# 核心转换：分隔符设为分号（若实际是逗号，把 sep=';' 改成 sep=',' 即可）
df = pd.read_csv(
    txt_file_path,
    sep=',',                # 关键：指定分隔符为分号
    header=0,               # 关键：第一行是表头，自动识别表头
    encoding='utf-8',       # 编码：Windows可选gbk，乱码时替换
    skip_blank_lines=True   # 自动跳过空行
)

# 保存为CSV（保留表头，Excel打开无乱码）
df.to_csv(csv_save_path, index=False, encoding='utf_8_sig')

print("✅ 转换完成！")
print(f"📄 输入文件：{txt_file_path}")
print(f"📄 输出文件：{csv_save_path}")
print(f"📊 数据结构：{df.shape[0]}行 × {df.shape[1]}列（表头：{list(df.columns)}）")

四、逐行拆解：核心代码为什么这么写？

很多新手怕改参数出错，我把每一行的核心逻辑讲透，让你不仅会用，还知道为什么这么用：

1. 环境准备（基础中的基础）

import pandas as pd

• 作用：导入 Python 数据分析神器 pandas 库，它是处理文本 / 表格数据的 “天花板”，比原生 Python 快 10 倍以上；
• 安装：如果提示 “找不到 pandas”，打开 cmd / 终端输入 pip install pandas 即可，30 秒安装完成。

2. 路径设置（唯一需要手动改的地方）

txt_file_path = r"L:\ML\train\point\IntptRtP.txt"
csv_save_path = r"L:\ML\train\point\IntptRtP.csv"

• 关键：路径前加 r 表示 “原始字符串”，避免路径中的反斜杠 \ 被 Python 识别为转义字符（比如 \n 会被当成换行）；
• 示例：如果你的 TXT 文件在桌面，路径可以写 r"C:\Users\你的名字\Desktop\数据.txt"。

3. 核心读取：解决分隔符 / 空行 / 表头问题

df = pd.read_csv(
    txt_file_path,
    sep=',',                # 分隔符：根据你的TXT改（,/;/\t/空格）
    header=0,               # 表头：0表示第一行是表头，无表头则设为None
    encoding='utf-8',       # 读取编码：乱码就换成gbk（Windows默认）
    skip_blank_lines=True   # 自动跳过空行，避免读取到NaN值
)

pd.read_csv()不仅能读 CSV，更是解析结构化 TXT 的利器，重点参数解读：• sep：分隔符，是 TXT 解析的核心！如果你的 TXT 用分号分隔，就改成sep=';'；用制表符分隔则改sep='\t'，这一步错了会导致列混乱；• header=0：告诉 pandas “第一行是表头”，解析后会自动将表头设为列名，无需手动处理；• encoding='utf-8'：解决中文乱码的基础配置，Windows 系统如果仍乱码，换成encoding='gbk'即可；• skip_blank_lines=True：自动过滤 TXT 中的空行，避免生成多余的空行数据。

4. 保存为 CSV—— 避免 Excel 乱码

df.to_csv(csv_save_path, index=False, encoding='utf_8_sig')
保存环节的 2 个关键避坑点：• index=False：不保存 pandas 默认的行索引（比如 0、1、2...），只保留原始数据，否则 Excel 打开会多一列无用数据；• encoding='utf_8_sig'：这是解决 “CSV 用 Excel 打开中文乱码” 的终极方案！比单纯的utf-8多了 BOM 头，完美适配 Excel。

5. 输出提示信息 —— 可视化转换结果

print("✅ 转换完成！")
print(f"📄 输入文件：{txt_file_path}")
print(f"📄 输出文件：{csv_save_path}")
print(f"📊 数据结构：{df.shape[0]}行 × {df.shape[1]}列（表头：{list(df.columns)}）")

贴心的提示信息，让你一眼知道：• 转换是否成功；• 输入 / 输出文件的具体路径；• 数据的行数、列数，以及表头名称，快速验证数据是否解析正确。

# -*- coding: utf-8 -*-
"""
做科研的周师兄：
TXT转CSV一键工具
适用场景：科研数据、结构化TXT批量转换，解决乱码/空行/分隔符问题
"""

import pandas as pd

# ====================== 只需修改这2行路径 ======================
txt_file_path = r"L:\ML\train\IntptRtP.txt"  # 你的txt文件完整路径
csv_save_path = r"L:\ML\train\IntptRtP.csv"  # 生成的csv保存路径
# ==============================================================

# 核心转换：按需调整sep分隔符即可
df = pd.read_csv(
    txt_file_path,
    sep=',',                # 关键：根据TXT实际分隔符改（; / \t / 空格等）
    header=0,               # 第一行作为表头
    encoding='utf-8',       # 乱码时替换为gbk（Windows）
    skip_blank_lines=True   # 自动跳过空行
)

# 保存为CSV（Excel打开无乱码）
df.to_csv(csv_save_path, index=False, encoding='utf_8_sig')

# 输出转换结果提示
print("✅ 转换完成！")
print(f"📄 输入文件：{txt_file_path}")
print(f"📄 输出文件：{csv_save_path}")
print(f"📊 数据结构：{df.shape[0]}行 × {df.shape[1]}列（表头：{list(df.columns)}）")

五、新手快速上手

步骤1. 安装 pandas（如果没装）：打开 cmd / 终端，执行pip install pandas；2. 修改路径：把代码中txt_file_path和csv_save_path改成你自己的文件路径；3. 调整分隔符：打开你的 TXT 文件，看数据是用逗号、分号还是制表符分隔，对应修改sep参数；4. 运行代码：直接运行，控制台会输出转换结果，去指定路径找 CSV 文件即可。

六、常见问题解决（避坑！）

1. 中文乱码：◦ 先试encoding='gbk'（Windows 系统多数情况适用）；◦ 保存 CSV 时必须用utf_8_sig，而非utf-8；

2. 列数不对 / 数据挤在一列：◦ 99% 是sep分隔符设置错误，打开 TXT 文件确认分隔符（比如是分号就改sep=';'）；

3. 空行太多：代码已默认skip_blank_lines=True，无需额外处理；

4. 表头丢失：检查header=0是否设置，若 TXT 无表头，改成header=None即可。

七、总结这段代码的核心优势：

1. 极简易用：新手只需改 2 行路径，无需懂复杂语法；

2. 避坑全面：解决了乱码、空行、分隔符、索引多余等 90% 的常见问题；

3. 可视化反馈：转换后输出数据维度和表头，快速验证结果。不管是科研数据处理、日常办公数据转换，还是批量处理多个 TXT 文件（只需加个循环即可扩展），这段代码都能极大提升效率。

如果有其他问题，欢迎在评论区留言，一起交流优化！（别忘了点赞 + 收藏，下次需要转格式时直接抄作业～）

关键点回顾

1. pd.read_csv()是解析结构化 TXT 的核心，sep分隔符是解析正确的关键；

2. 保存 CSV 时用encoding='utf_8_sig'可彻底解决 Excel 中文乱码；

3. 路径前加r避免 Windows 系统转义字符问题，新手只需改路径即可上手。

以上就是10行Python代码实现TXT转CSV一键转换的详细内容，更多关于Python TXT转CSV的资料请关注脚本之家其它相关文章！

最新评论