本文介绍如何将包含多客户信息的原始文本列表（如服务记录）解析为结构清晰的字典列表，每个字典代表一位客户，并自动提取“Customer”“Car”“Service”三个字段，支持 Python 3.12+ 原生 batched 或低版本手动实现。

本文介绍如何将包含多客户信息的原始文本列表（如服务记录）解析为结构清晰的字典列表，每个字典代表一位客户，并自动提取“customer”“car”“service”三个字段，支持 python 3.12+ 原生 `batched` 或低版本手动实现。

在实际数据处理中，我们常遇到以换行分隔、但未结构化存储的客户信息文本（如日志、导出报表），例如每三位连续条目分别对应 Customer、Car 和 Service。直接使用字符串替换或全局分割极易出错——尤其当字段值本身含空格、逗号或换行符时（如 'Car Toyota, Rav4, Silver, 2018'），传统 split(':') 或正则粗粒度匹配会破坏语义完整性。

正确思路是按逻辑组批量切分 + 键值对提取，而非全文本统一解析。给定 service_notes 列表，其隐含结构为：每 3 行构成一个客户单元（Customer → Car → Service），且每行格式为 "Key Value"（键与值间以首处空格分隔）。因此，应：

1. 对每行去除尾部换行符并按首个空格拆分为 [key, value]；
2. 将所有行两元组按每 3 个一组分批；
3. 将每组 3 个 [key, value] 转为字典。

✅ 推荐方案（Python 3.12+）：

from itertools import batched

service_notes = ['Customer AliceJenkins\n',
                 'Car Honda\n',
                 'Service Fifty_Thousand\n',
                 'Customer BobElliot\n',
                 'Car Toyota, Rav4, Silver, 2018\n',
                 'Service Thirty_Thousand,\n',
                 'Customer CharlieWallace\n',
                 'Car Ford\n',
                 'Service Ten_Thousand\n']

# 步骤分解：strip → split(maxsplit=1) → batched(3) → dict()
customers = [
    dict(batch) 
    for batch in batched(
        (line.strip('\n').split(maxsplit=1) for line in service_notes), 
        3
    )
]

print(customers)

输出：

[
  {'Customer': 'AliceJenkins', 'Car': 'Honda', 'Service': 'Fifty_Thousand'},
  {'Customer': 'BobElliot', 'Car': 'Toyota, Rav4, Silver, 2018', 'Service': 'Thirty_Thousand,'},
  {'Customer': 'CharlieWallace', 'Car': 'Ford', 'Service': 'Ten_Thousand'}
]

⚠️ 兼容旧版 Python（batched（官方文档标准实现）：

from itertools import islice

def batched(iterable, n):
    iterator = iter(iterable)
    while batch := list(islice(iterator, n)):
        yield batch

# 后续用法完全一致
customers = [dict(batch) for batch in batched(
    (line.strip('\n').split(maxsplit=1) for line in service_notes), 3
)]

? 进阶提示：

• 若需清洗 Service 末尾多余逗号（如 'Thirty_Thousand,' → 'Thirty_Thousand'），可在生成字典前对 value 处理：

  (line.strip('\n').split(maxsplit=1)[0], 
   line.strip('\n').split(maxsplit=1)[1].rstrip(',')) 
  for line in service_notes

• 若字段顺序不固定或存在缺失项，建议改用状态机解析或 itertools.groupby 按前缀分类，而非硬编码批次大小。
• 此方法健壮性高：split(maxsplit=1) 确保仅分割首个空格，完美保留 Car 值中的空格与逗号。

最终结果是一个纯净的客户字典列表，可直接用于 Pandas DataFrame 构建、JSON 序列化或进一步业务逻辑处理。