复杂格式的行式文本提取

1. 思路

在数据处理中，有时数据来源于格式复杂的文本文件，要从中提取有用的数据，需从以下几点来思考：

1、 确定要提取数据的结构，有哪几个要提取的字段

2、 确定一行文本是否包含有效数据

3、 从有效数据行中找到提取各字段的规律

不同文本数据的规律可能不一样，但总是要有规律才能解析。

2. 举例

现有一个文本格式的客户报价单数据item.txt如下图所示：

 

 

横线之前的行是复杂的表头，之后的每一行是一条报价记录，记录之间有空行。图中所示只是一个表头和报价记录区，这样的区域在文本文件中会不断地重复出现。红框所示分别是Unit Price和Exp. Date字段列，中间还有Quotation Number、Customer Code、Customer Name字段列，各列数据之间都是空格。

现在需要把文本文件中的报价单数据提取出来，存到Excel文件中如下图所示：

 

 

1、 观察并发现文本中的规律

我们发现这个文本有这样的规律：

(1)少于136个字符的行都没有有效信息，可以跳过

(2)所需数据位于每行59列至136列

(3)把每行有效信息部分按空格为分隔符拆分，若