在資料探勘中,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,接手的專案裡,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,發現文件中很多行資料是以"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:
b = open('b_file.txt', w) with open('a_file.txt', 'r') as lines: for line in lines: line = line.strip() if not line.endswith(r'"'): line += r'"' line += '\n' b.write(line) b.close() 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,程序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'"',這樣才能得到最後一行以外的正確結果。眾所周知的原因,在windows系統中,檔案的回車符號是"\r\n",因而,在沒有strip()處理好回車符號的時候,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。而對於文件的最後一行,一般情況下不是回車符作為結尾,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。
以上是使用python包含漢字的文件讀寫末尾加上特定字符方法介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章!