Question

我有一个文本文件只是说

text1 text2 text text
text text text text

我期待首先计算文件中的字符串数（全部由空格分隔），然后输出前两个文本。（文本1文本2）

有什么想法吗？

提前感谢您的帮助

编辑：这是我到目前为止所做的：

>>> f=open('test.txt')
>>> for line in f:
    print line
ï»¿text1 text2 text text text text hello
>>> words=line.split()
>>> words
['\xef\xbb\xbftext1', 'text2', 'text', 'text', 'text', 'text', 'hello']
>>> len(words)
7
if len(words) > 2:
    print "there are more than 2 words"

我遇到的第一个问题是，我的文本文件是：text1 text2 text text text

但是当我拉出单词的输出时，我得到： ['\ xef \ xbb \ xbftext1'，'text2'，'text'，'text'，'text'，'text'，'hello']

'\ xef \ xbb \ xbf来自哪里？

Answer 1

要逐行读取文件，只需在for循环中循环打开文件对象：

for line in open(filename):
    # do something with line

要按空格将一行划分为单独的单词列表，请使用str.split()：

words = line.split()

要计算python列表中的项目数，请使用len(yourlist)：

count = len(words)

要从python列表中选择前两项，请使用切片：

firsttwo = words[:2]

我会给你构建完整的程序，但你不需要比上面更多的内容，加上一个if语句来判断你是否已经有了这两个词。

您在文件开头看到的三个额外字节是UTF-8 BOM（字节顺序标记）;它将您的文件标记为UTF-8编码，但它是多余的，仅在Windows上使用。

您可以使用以下命令将其删除：

import codecs
if line.startswith(codecs.BOM_UTF8):
    line = line[3:]

您可能希望使用该编码将字符串解码为unicode：

line = line.decode('utf-8')

您也可以使用codecs.open()打开文件：

file = codecs.open(filename, encoding='utf-8')

请注意，codecs.open()将不为您剥离BOM;最简单的方法是使用.lstrip()：

import codecs
BOM = codecs.BOM_UTF8.decode('utf8')
with codecs.open(filename, encoding='utf-8') as f:
    for line in f:
        line = line.lstrip(BOM)

Python从文件中提取数据

1 个答案: