为什么 Python 的 len(readlines) 不等于 Bash 的 'wc -l' 命令？

Question

对于某些大文件，

lines_a = len(fa.readlines())
print(lines_a)

和bash(在Mac上(：

wc -l

结果不同！

可能的原因是什么？

Answer 1

wc -l在输入中打印新线的数量。换句话说，其对"线计数"中"线"的定义需要以新线结尾，实际上是由Posix定义的。

如果文件中的最后一行不会以newline结束，则该行的定义可以产生令人惊讶的行为。尽管在文本编辑器中显示了这样的行，但Pagers却很好，但wc不会将其视为一行。例如：

$ printf 'foonbarn' | wc -l
2
$ printf 'foonbar' | wc -l
1

另一方面，

python的readlines()方法旨在提供文件中的数据，以便可以完美地重构。因此，它为每行提供了最终的newline和最后一个非空行AS-IS(有或没有最终的newline(。在上面的示例中，它分别返回列表["foon", "barn"]和["foon", "bar"]，这两个长度二：

$ printf 'foonbar' | python -c 'import sys; print len(sys.stdin.readlines())'
2
$ printf 'foonbarn' | python -c 'import sys; print len(sys.stdin.readlines())'
2

Answer 2

只是提到我在执行机器翻译任务时遇到了类似的问题。行号不正确的主要原因，也许是因为您尚未以" B"模式打开文件。所以尝试

with open('some file', 'rb') as f:
    print(len(f.readlines()))

您将获得与wc -l

Answer 3

如果您在文本文件中有 r，这也可能发生。

从流中读取输入时，如果没有新线，则通用启用了新线模式。输入中的行可以以' n'，' r'结束，或者' r n'，然后将它们翻译成' n'呼叫者。

^来自python textiowrapper文档。