如何使用 For-loop 和 Tell 函数填充每行的起始位置列表？

Posted 2023-02-25

【中文标题】如何使用 For-loop 和 Tell 函数填充每行的起始位置列表？

【英文标题】：How to Populate List of Starting Positions of Each Line Using For-loop and Tell Function?

【发布时间】：2013-11-05 05:23:21

【问题描述】：

我要做的就是创建每行的起始位置列表，以便我可以非常快速地找到它们。我收到错误消息，“通过'next()' 调用禁用指示位置。”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：在这种情况下，索引会将行号与查找位置相关联。

【参考方案1】：

一个简单的生成器可以解决你的问题：

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

它一一产生（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with 进行操作，如下所示。不是因为您会经常忘记关闭文件对象（您会），而是会在发生异常时自动关闭它。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 字符串的索引可能不同于字节字符串的索引。例如，一个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。下面的示例显示了测试文件中两种情况下的索引值有何不同：

>>> 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read()之前使用seek()，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 将是一个可怕的错误。

请注意，当您将read() 文件的内容转换为字符串/字节字符串对象并希望在其后处理单独的行时，使用.splitlines() 更为明智。

希望这有帮助！

【讨论】：

感谢您的回答。给你顶，但如果你（或其他人）回来看到这个，有人可以解释发生了什么吗？只是为了我的知识。非常感谢。

非常感谢:-)。我必须去上课所以我没有立即看到它，但我真的很感激！