Python - 使用 readlines() 处理第 n 行跃点

Question

我正在尝试修复一个我想在 Github 上使用的损坏的库。

我已在本地“修复”了该问题。但我不认为这是一个非常干净的方法......

我正在通过互联网存档查看 WARC 库，特别是 arc.py 部分 ( https://github.com/internetarchive/warc/blob/master/warc/arc.py )。

自从编写 lib 以来，制作 ARC 文件的工具已经发生了一些变化，因此，内置解析器失败，因为它不希望看到文件中的某些元数据。

我的本​​地修复如下所示:

    if header.startswith("<arcmetadata"):
        while not header.endswith("</arcmetadata>\n"):
            header = self.fileobj.readline()
        header = self.fileobj.readline()
        header = self.fileobj.readline()

而且我不确定我两次调用 readlines() 来删除接下来的两个空行(包含 "/n" 是最干净的方法推进文件对象。

这是好Python吗？或者有更好的方法吗？

Answer 1

该代码看起来像是复制/粘贴错误。使用 .readline() 没有任何问题，只需记录您正在做的事情即可:

# skip metadata
if header.startswith("<arcmetadata"):
    while not header.endswith("</arcmetadata>\n"):
        header = self.fileobj.readline()
    #NOTE: header ends with `"</arc..."` here i.e., it is not blank

# skip blank lines
while not header.strip():
    header = self.fileobj.readline()

顺便说一句，如果文件包含 xml，则使用 xml 解析器来解析它。不要用手做。