python 包含漢字的檔案讀寫之每行末尾加上特定字元

標籤：pre   pytho   格式   div   方案   多行   erro   strong   rip   

在資料採礦中，原始檔案的格式往往是令人抓狂，很重要的一步是對資料檔案的格式進行整理。

      最近，接手的項目裡，提供的資料檔案格式簡直讓人看不下去，使用pandas打不開，一直是io error.仔細查看，發現檔案中很多行資料是以"結尾，然而其他行缺失，因而需求也就很明顯了：判斷每行的結尾是否有"，沒有的話，加上就好了。

採用倒敘的方式好了，畢竟很多人需要的只是一個快速的解決方案，而不是一個why. 解決方案如下：

 1 b = open(‘b_file.txt‘, w) 2 with open(‘a_file.txt‘, ‘r‘) as lines: 3     for line in lines: 4         line = line.strip() 5         if not line.endswith(r‘"‘): 6             line += r‘"‘ 7         line += ‘\n‘ 8         b.write(line) 9 10 b.close()11 a.close()

其中整個過程的關鍵在於

line = line.strip()

　　之前我偷懶，直接使用省去了上面那行，結果在判斷條件栽了跟頭，程式認為每一行都不是以"結尾：

if not line.endswith(r‘"‘)

硬著頭皮試上去，重寫：

for line in open(data_path+‘heheda.txt‘, ‘r‘):    if not line[-2] == r‘"‘:        print line        line = line[:-1] + r‘"‘ + line[-1:]        print line

      此時判斷條件為 if not line[-2] == r‘"‘，這樣才能得到除最後一行之外的正確結果。眾所周知的原因，在windows系統中，檔案的斷行符號符是"\r\n"，因而，在沒有strip()處理好斷行符號符的時候，需要手動在每一行的結尾前移一個位元組進行判斷每行的末尾。而對於檔案的最後一行，一般情況下不是斷行符號符作為結尾，畢竟不要換行了嘛。因而line[-2]則定位到了最後一個漢字的中間，將\xx\xx，硬寫成了\xx"\xx，使得最後一個字顯示錯誤。

python 包含漢字的檔案讀寫之每行末尾加上特定字元