Python包含汉字的文件读写之每行末尾加上特定字符

12/12 编程语言 阅读 535 views 次 人气 0
摘要:

在数据挖掘中,原始文件的格式往往是令人抓狂,很重要的一步是对数据文件的格式进行整理。

      最近,接手的项目里,提供的数据文件格式简直让人看不下去,使用pandas打不开,一直是io error.仔细查看,发现文件中很多行数据是以"结尾,然而其他行缺失,因而需求也就很明显了:判断每行的结尾是否有",没有的话,加上就好了。

采用倒叙的方式好了,毕竟很多人需要的只是一个快速的解决方案,而不是一个why. 解决方案如下:

 1 b = open('b_file.txt', w)
 2 with open('a_file.txt', 'r') as lines:
 3     for line in lines:
 4         line = line.strip()
 5         if not line.endswith(r'"'):
 6             line += r'"'
 7         line += '\n'
 8         b.write(line)
 9 
10 b.close()
11 a.close()

其中整个过程的关键在于

line = line.strip()

  之前我偷懒,直接使用省去了上面那行,结果在判断条件栽了跟头,程序认为每一行都不是以"结尾:

if not line.endswith(r'"')

硬着头皮试上去,重写:

for line in open(data_path+'heheda.txt', 'r'):
    if not line[-2] == r'"':
        print line
        line = line[:-1] + r'"' + line[-1:]
        print line

      此时判断条件为 if not line[-2] == r'"',这样才能得到除最后一行之外的正确结果。众所周知的原因,在windows系统中,文件的回车符是"\r\n",因而,在没有strip()处理好回车符的时候,需要手动在每一行的结尾前移一个字节进行判断每行的末尾。而对于文件的最后一行,一般情况下不是回车符作为结尾,毕竟不要换行了嘛。因而line[-2]则定位到了最后一个汉字的中间,将\xx\xx,硬写成了\xx"\xx,使得最后一个字显示错误。

评论

该文章不支持评论!

分享到: