本文详解如何将格式化的 sql 查询输出字符串（含表头与多行数据）解析为结构化的字典列表，支持 python 2 和 python 3，核心步骤包括按行切分、提取表头、逐行拆分字段并映射为键值对。
本文详解如何将格式化的 sql 查询输出字符串（含表头与多行数据）解析为结构化的字典列表，支持 python 2 和 python 3，核心步骤包括按行切分、提取表头、逐行拆分字段并映射为键值对。
在实际开发中，尤其是与遗留系统或轻量级数据库交互时，我们常会收到以纯文本形式返回的 SQL 查询结果（如 psql -t 或某些 CLI 工具输出），其格式类似表格：首行为字段名，第二行为分隔线（如 =============），后续为数据行。这类字符串虽非标准 JSON 或 CSV，但可通过文本解析高效转为结构化数据——即 Python 中的字典列表（即“对象数组”）。
以下是一个典型输入示例：
text = 'enable id \n =============\nf avc-qwqwq\nt abd-rrtrtr\n f rec-yyuyu \n'
目标是将其转换为：
[
{'enable': 'f', 'id': 'avc-qwqwq'},
{'enable': 't', 'id': 'abd-rrtrtr'},
{'enable': 'f', 'id': 'rec-yyuyu'}
]✅ 推荐方案（Python 3 原生简洁写法）
利用 str.splitlines() 安全处理跨平台换行符，并结合解包语法提取表头与数据行：
text = 'enable id \n =============\nf avc-qwqwq\nt abd-rrtrtr\n f rec-yyuyu \n' # 拆分为行列表，跳过分隔线（第2行） header_str, _, *rows_str = text.splitlines() # 解析表头：按空白字符分割，自动过滤空字符串 header = header_str.split() # 对每行数据执行：split() → 与 header zip → 转为 dict objs = [dict(zip(header, row_str.split())) for row_str in rows_str if row_str.strip()] print(objs)
✅ 优势：代码简短、可读性强；split() 默认忽略首尾空白及连续空格，天然适配不规则缩进（如 ' f rec-yyuyu '）；if row_str.strip() 过滤空行，增强鲁棒性。
⚙️ 兼容 Python 2 的等效实现
Python 2 不支持 *args 解包语法（PEP 3132），需改用迭代器显式取值：
text = 'enable id \n =============\nf avc-qwqwq\nt abd-rrtrtr\n f rec-yyuyu \n' lines = text.splitlines() iter_lines = iter(lines) # 安全提取：header（第1行）、跳过分隔线（第2行）、收集剩余行 header_str = next(iter_lines) _ = next(iter_lines) # 忽略分隔线 rows_str = list(iter_lines) header = header_str.split() objs = [dict(zip(header, row_str.split())) for row_str in rows_str if row_str.strip()] print(objs)
⚠️ 关键注意事项
- 字段分隔假设：上述方案默认列间以任意空白符（空格/制表符）分隔。若实际数据含空格（如组织名 "New York Tech"），则 split() 会错误切分。此时应改用固定宽度解析或正则提取（例如 re.findall(r'(\S+)\s+(\S.*)', row)）。
- 表头一致性：确保首行字段名无重复且与数据列数严格匹配，否则 zip 会截断或填充 None。
- 编码与空白处理：splitlines() 自动处理 \n, \r\n, \r；split() 自动清理前后空格及多余空白，无需额外 strip()。
- 空行与注释行：建议始终添加 if row_str.strip() 过滤，避免因末尾换行或空行导致空字典。
? 总结
将 SQL 文本结果转为对象数组，本质是结构化文本解析问题。核心逻辑三步走：
- 分层切分：用 splitlines() 拆出逻辑行；
- 元数据提取：从首行提取 header，跳过分隔行；
- 映射构造：对每行 split() 得字段值，zip(header, values) 构建键值对，再 dict() 实例化。
该方法轻量、无外部依赖、兼容双版本 Python，是处理类表格文本的通用范式。如需扩展支持 CSV 式引号包裹或类型转换（如 'enable' → bool），可在 row_str.split() 后插入自定义清洗函数。
