Question

我有一个带有第一行unicode字符和ASCII中所有其他行的文本文件。我尝试将第一行读作一个变量，将所有其他行读作另一个变量。但是，当我使用以下代码时：

# -*- coding: utf-8 -*-
import codecs
import os
filename = '1.txt'
f = codecs.open(filename, 'r3', encoding='utf-8')
print f
names_f = f.readline().split(' ')
data_f = f.readlines()
print len(names_f)
print len(data_f)
f.close()
print 'And now for something completely differerent:'
g = open(filename, 'r')
names_g = g.readline().split(' ')
print g
data_g = g.readlines()
print len(names_g)
print len(data_g)
g.close()

我得到以下输出：

<open file '1.txt', mode 'rb' at 0x01235230>
28

7

And now for something completely differerent:

<open file '1.txt', mode 'r' at 0x017875A0>

28

77

如果我不使用readlines（），整个文件不仅会读取codecs.open（）和open（）中的前7行。

为什么会发生这样的事情？为什么codecs.open（）以二进制模式读取文件，尽管添加了'r'参数？

更新：这是原始文件：http://www1.datafilehost.com/d/0792d687

Answer 1

因为您首先使用了.readline() ，所以codecs.open()文件填充了一个行缓冲区;随后对.readlines()的调用仅返回缓冲行。

如果您再次致电.readlines() ，则会返回其余行：

>>> f = codecs.open(filename, 'r3', encoding='utf-8')
>>> line = f.readline()
>>> len(f.readlines())
7
>>> len(f.readlines())
71

解决方法是不要混用.readline()和.readlines()：

f = codecs.open(filename, 'r3', encoding='utf-8')
data_f = f.readlines()
names_f = data_f.pop(0).split(' ')  # take the first line.

这种行为确实是一个错误; Python开发人员都知道它，请参阅issue 8260。

另一种选择是使用io.open()代替codecs.open(); {3}库是Python 3用来实现内置io函数的库，比open()模块更强大，更通用。

Python 2.7中的Open（）和codecs.open（）行为奇怪地不同

1 个答案: