本文介绍如何将格式化的 sql 查询输出字符串（含表头与多行数据）高效、健壮地转换为 python 字典列表，兼容 python 2 与 python 3，并支持空格分隔的字段解析。
本文介绍如何将格式化的 sql 查询输出字符串（含表头与多行数据）高效、健壮地转换为 python 字典列表，兼容 python 2 与 python 3，并支持空格分隔的字段解析。
在实际开发中，尤其在轻量脚本或数据库调试场景下，我们常遇到直接执行 SQL 后返回的纯文本格式结果——例如 psql -t 或某些 ORM 的原始输出。这类字符串通常包含表头行、分隔线（如 =============），以及后续多行数据，字段间以空格分隔。目标是将其结构化为标准的 Python 对象数组（即 list[dict]），便于后续 JSON 序列化、Pandas 加载或 API 响应。
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'
期望输出为：
[
{'enable': 'f', 'id': 'avc-qwqwq'},
{'enable': 't', 'id': 'abd-rrtrtr'},
{'enable': 'f', 'id': 'rec-yyuyu'}
]✅ 推荐方案：使用 splitlines() + zip() 构建字典列表（Python 3）
该方法简洁、可读性强，利用解包语法精准跳过分隔行：
text = 'enable id \n =============\nf avc-qwqwq\nt abd-rrtrtr\n f rec-yyuyu \n'
# 按行分割，解包：第一行为 header，第二行为分隔线（丢弃），其余为数据行
header_str, _, *rows_str = text.splitlines()
# 提取列名（自动忽略多余空格）
header = header_str.split() # → ['enable', 'id']
# 逐行解析：对每行调用 split() 分割字段，再用 zip(header, fields) 构建键值对，转为 dict
objs = [dict(zip(header, row_str.split())) for row_str in rows_str if row_str.strip()]
print(objs)
# [{'enable': 'f', 'id': 'avc-qwqwq'}, {'enable': 't', 'id': 'abd-rrtrtr'}, {'enable': 'f', 'id': 'rec-yyuyu'}]⚠️ 注意：row_str.split() 默认按任意空白符（空格、制表符、连续空格）分割并自动过滤空字符串，因此能稳健处理 ' f rec-yyuyu ' 这类首尾含空格的行。
? 兼容 Python 2 的写法（无解包语法支持）
Python 2 不支持 *rows_str 解包语法，需改用迭代器显式消费前两行：
text = 'enable id \n =============\nf avc-qwqwq\nt abd-rrtrtr\n f rec-yyuyu \n' lines = text.splitlines() iter_lines = iter(lines) header_str = next(iter_lines) # 第一行：表头 _ = next(iter_lines) # 第二行：分隔线（丢弃） rows_str = list(iter_lines) # 剩余所有行 header = header_str.split() objs = [dict(zip(header, row.split())) for row in rows_str if row.strip()] print(objs)
该写法在 Python 2.7+ 和 Python 3.x 中均能正常运行，是跨版本脚本的推荐实践。
? 关键注意事项与增强建议
- 空行/空白行处理：务必添加 if row.strip() 过滤，避免因末尾换行或空行导致 dict(zip(...)) 生成空字典；
-
字段数量不一致？ 若某行字段数 ≠ 表头数，zip() 会截断至最短长度——建议增加校验：
for row_str in rows_str: fields = row_str.split() if len(fields) != len(header): raise ValueError(f"Row mismatch: expected {len(header)} fields, got {len(fields)}: '{row_str}'") objs.append(dict(zip(header, fields))) - 非空格分隔？ 如字段含空格（如 "John Doe"）、或使用固定列宽/制表符，请改用 re.split(r'\s{2,}', row_str) 或 csv.reader(StringIO(row_str), delimiter='\t')；
- SQL 列名含空格？ 当前逻辑不支持（如 'user name'）。若存在，应先用正则提取列名，或改用 pandas.read_csv(StringIO(text), sep=r'\s+', skiprows=1, skipfooter=1, engine='python')。
✅ 总结
将 SQL 文本结果转为对象数组的核心在于三步：
1️⃣ 准确切分：用 splitlines() 获取逻辑行，跳过表头与分隔线；
2️⃣ 规范解析：用 str.split() 安全提取字段（自动去空格、去空项）；
3️⃣ 结构映射：用 zip(header, fields) + dict() 实现行列对齐。
该方案轻量、无外部依赖、跨版本兼容，是处理简单 SQL 文本输出的首选模式。对于复杂格式，建议升级至 pandas 或专用 SQL 解析库。
