python-3.x - 如何使用 For-loop 和 Tell 函数填充每行的起始位置列表？

Question

我想要做的就是创建一个每行起始位置的列表，这样我就可以非常快速地找到它们。我收到错误消息，“告诉位置被 'next()' 调用禁用。”我如何克服这个问题？

>>> in_file = open("data_10000.txt")
>>> in_file.tell()
0
>>> line_numbers = [in_file.tell() for line in in_file]
Traceback (most recent call last):
  File "<pyshell#9>", line 1, in <module>
    line_numbers = [in_file.tell() for line in in_file]
  File "<pyshell#9>", line 1, in <listcomp>
    line_numbers = [in_file.tell() for line in in_file]
OSError: telling position disabled by next() call

注意:在这种情况下，索引会将行号与查找位置相关联。

Answer 1

一个简单的生成器可以解决您的问题:

def line_ind(fileobj):
    i = 0
    for line in fileobj:
        yield i
        i += len(line)

它会一一生成(生成)行起始位置的索引。您知道常规函数返回一个值并停止。当生成器产生一个值时，它会继续运行直到耗尽。所以我在这里所做的是产生 0 然后将第一行的长度添加到它，然后产生它然后添加第二行的长度等。这会产生你想要的索引。

要将产生的值放入列表，您可以使用 list(generator())与您可以使用的相同 list(range(10)) .打开文件时，最好使用 with像下面。不是因为您会经常忘记关闭文件对象(您会忘记)，而是因为发生异常时它会自动关闭它。因此，在下面的代码中，我有两个起始位置索引列表:

with open("test.dat", encoding="utf-8") as f:
    u_ind = list(line_ind(f))
    f.seek(0)
    u = f.read()

with open("test.dat", "rb") as f:
    b_ind = list(line_ind(f))
    f.seek(0)
    b = f.read()

请注意，Unicode 字符串的索引可能与字节字符串的索引不同。例如，重音字符可以占用两个字节的空间。第一个列表包含 unicode 字符的索引。当您处理文件的常规字符串表示时，您将使用它。下面的示例显示了在测试文件的两种情况下索引值的不同之处:

>>> u_ind[-10:]
[24283, 24291, 24300, 24309, 24322, 24331, 24341, 24349, 24359, 24368]
>>> b_ind[-10:]
[27297, 27306, 27316, 27326, 27342, 27352, 27363, 27372, 27383, 27393]

现在我想要最后一行的内容:

>>> u[24368:]
'S-érték=9,59'
>>> b[27393:]
b'S-\xc3\xa9rt\xc3\xa9k=9,59'

但是，如果您想使用 seek()之前 read() ，你必须坚持字节索引:

>>> with open("test.dat", encoding="utf-8") as f:
...     f.seek(27393)
...     f.read()
...
27393
'S-érték=9,59'
>>> with open("test.dat", "rb") as f:
...     f.seek(27393)
...     f.read()
...
27393
b'S-\xc3\xa9rt\xc3\xa9k=9,59'

在第一种情况下使用 24368 在这里将是一个可怕的错误。

请注意，当您 read()将文件内容转换为字符串/字节串对象并希望在此后处理单个行，使用 .splitlines() 更为明智。 .

希望这有帮助!