如何使用For循环和Tell函数填充每条线的起始位置列表

Question

我只想创建一个每行起始位置的列表，这样我就可以非常快速地找到它们。我得到了错误，"告诉位置被‘next((’调用禁用。"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，索引会将行号与搜索位置联系起来。

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)

它一个接一个地生成线起始位置的索引。您知道，正则函数返回一个值并停止。当生成器生成一个值时，它会继续运行，直到耗尽为止。所以我在这里做的是产生0，然后加上第一行的长度，然后产生它，再加上第二行的长度等等。这会产生你想要的索引。

要将生成的值放入列表，可以使用list(generator())和list(range(10))。打开文件时，最好使用with，如下所示。这并不是因为你会忘记经常关闭文件对象(你会的(，而是它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字符串的索引可能与字节字符串的索引不同。例如，一个重音字符可能占用两个字节的空间。第一个列表包含unicode字符的索引。在处理文件的常规字符串表示时，将使用此方法。下面的示例显示了在测试文件上的两种情况下索引值的差异：

>>> 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-xc3xa9rtxc3xa9k=9,59'

但是，如果您想在read()之前使用seek()，则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-xc3xa9rtxc3xa9k=9,59'

在第一种情况下使用24368将是一个可怕的错误。

请注意，当您将文件的内容read()转换为字符串/字节串对象，并希望此后处理单独的行时，使用.splitlines()更明智。

希望这能有所帮助！