Python检测TAB字符

Question

我试图在特定文件中拆分单词和整型数。文件的字符串是这样的形式(包含word的行没有't'字符，但int数字(所有正数)有):(有些单词是包含'-'字符的数字，)

-1234
t22
t44
t46
absv
t1
t2
t4
... 

所以我的想法是通过将行对象转换为float来拆分单词和字符串。

def is_number(s):
    try:
        float(s)
        return True
    except ValueError:
        return False
with codecs.open("/media/New Volume/3rd_step.txt", 'Ur') as file:#open file
    for line in file: # read line by line
        temp_buffer = line.split() # split elements
        for word in temp_buffer:
            if not('-' in word or not is_number(word)):
            ....

如果它是一个单词，我会得到异常，如果不是，那么它是一个数字。文件是50gb，在中间的某个地方，文件的格式似乎出了问题。因此，分割单词和数字的唯一可能方法是使用t字符。但我怎么才能发现呢?我的意思是我把这行分开来得到字符串，这样我就失去了特殊的字符。

编辑:

我真的很傻，很抱歉浪费了你的时间。我觉得这样做比较容易:

with codecs.open("/media/D60A6CE00A6CBEDD/InvertedIndex/1.txt", 'Ur') as file:#open file
    for line in file: # read line by line
    if not 't' in line:
            print line

Answer 1

您应该尝试将参数指定给split()，而不是只使用默认值，即所有空白字符。你可以在除t以外的所有空格上分割它。试试这个:

white_str = list(string.whitespace)    # string.whitespace contains all whitespace.
white_str.remove("t")                 # Remove t
white_str = ''.join(white_str)         # New whitespace string, without t

则用split(white_str)代替split()。这将在除t之外的所有空格上分割行以获得字符串。然后，您可以检测t稍后为您需要的。