Question

我想做的就是创建每行的起始位置列表，这样我就可以非常快速地找到它们。我收到错误，“通过'next（）'调用告诉我们禁用位置。”我该如何克服这个问题？

>>> 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：在此上下文中，索引会将行号与搜索位置相关联。

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)

逐个产生（生成）线起始位置的索引。你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。我在这里做的是产生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。这产生你想要的指数。

要将生成的值放到列表中，您可以使用list(generator())，就像使用list(range(10))一样。当您打开文件时，最好使用下面的with来执行此操作。不是因为你会忘记经常关闭文件对象（你会），但是如果发生异常，它会自动关闭它。因此，使用下面的代码，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bytestrings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。处理文件的常规字符串表示时，将使用此方法。下面的示例显示了测试文件中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'

如果你想在seek()之前使用read()，你必须坚持使用字节索引：

>>> 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将是一个可怕的错误。

请注意，当您将read()文件的内容添加到字符串/ bytestring对象并希望之后处理各行时，使用.splitlines()会更明智。

希望这有帮助！

如何使用For-loop和Tell函数填充每行的起始位置列表？

1 个答案: