本文介绍如何将按属性名（如 attr1、attr2）有序排列的大规模文本行，精准聚类为子列表组成的二维结构，适用于千行级库文件解析，核心推荐使用 itertools.groupby 实现简洁、高效、可读性强的分组逻辑。
本文介绍如何将按属性名（如 attr1、attr2）有序排列的大规模文本行，精准聚类为子列表组成的二维结构，适用于千行级库文件解析，核心推荐使用 `itertools.groupby` 实现简洁、高效、可读性强的分组逻辑。
在处理结构化文本（如配置库、属性清单）时，常需将具有相同前缀（如 attr1、attr2）的连续行归为一组。原始代码试图手动维护 current_group，但逻辑存在关键缺陷：else 分支假定了非匹配行的存在，而实际输入中所有行均匹配 attr\d+ 模式，导致 current_group 从未被正确切分——最终整个列表被误作单个组。
更优解是利用 itertools.groupby ——它专为已排序序列的键值分组设计，时间复杂度 O(n)，无需额外状态管理，且天然契合本场景（输入按属性名升序排列）。
以下为完整、健壮的实现方案：
from itertools import groupby
def read_data(filename):
"""逐行读取文件，自动过滤空行和纯空白行"""
with open(filename, encoding='utf-8') as f:
for line in f:
stripped = line.strip()
if stripped: # 跳过空行
yield stripped
def grouping_key(line):
"""提取每行首个单词作为分组依据（即 attr1/attr2 等）"""
return line.split()[0]
# 执行分组
with open("library.txt") as f:
# 注意：groupby 要求输入已按 key 排序，此处假设文件本身有序
groups = [list(g) for k, g in groupby(read_data("library.txt"), grouping_key)]
print(groups)
# 输出示例：
# [['attr1 apple 1', 'attr1 banana 2'],
# ['attr2 grapes 1', 'attr2 oranges 2'],
# ['attr3 watermelon 0']]
✅ 关键优势说明：
- 零状态管理：无需手动维护 current_group，避免逻辑错误；
- 内存友好：read_data() 使用生成器，适合处理千行甚至万行文件；
- 强鲁棒性：自动跳过空行，split()[0] 安全提取首字段（即使后续字段含空格）；
- 可扩展性强：只需修改 grouping_key 函数，即可适配任意分组策略（如正则提取、前缀截取等）。
⚠️ 注意事项：
- groupby 严格依赖输入序列按键有序。若源文件未按属性名排序，请先用 sorted(lines, key=grouping_key) 预处理（但会加载全部数据到内存，大数据量时慎用）；
- 确保文件编码兼容（推荐显式指定 encoding='utf-8'）；
- 若某行不包含空格导致 split()[0] 报错，可在 grouping_key 中添加异常防护：return line.split()[0] if line.split() else ''。
该方法以 Python 标准库原生能力，实现了清晰、高效、工业级可用的文本分组逻辑，是处理此类结构化日志或配置数据的首选实践。
