使用Python文件讀寫,自定義分隔符(custom delimiter)
眾所周知，python文件讀取文件的時候所支持的newlines（即換行符），是指定的。這一點不管是從python的doucuments上還是在python的源碼中（作者是參考了python的io版本，并沒有閱讀C版本），都可以看出來：
if newline is not None and not isinstance(newline, str): raise TypeError('illegal newline type: %r' % (type(newline),))if newline not in (None, '', 'n', 'r', 'rn'): raise ValueError('illegal newline value: %r' % (newline,))
好吧，問題來了，如果你恰好是個苦逼的生物狗，正在用python處理所謂的fastq格式的測序結果文件，每次只讀一行往往不是你想要的。Ok, 我們也都知道其實這個問題在Perl里面十分好解決，無非就是重新定義下文件的分割符（$/,The input record separator, newline by default. Set undef to read through the end of file.）
local $/; # enable 'slurp' modelocal $_ = <FH>; # whole file now heres/n[ t]+/ /g;
簡單粗暴有效！《Programming Perl》開頭的那些關于什么是happiness定義看來所言非虛，所以你只要需要將$/定義為fastq格式的分隔符就ok了。
但是，如果是Python呢？（容易鉆牛角尖的孩紙，又或者是不喜歡花括號的孩子…..反正就是強行高端了）。終于要進入正題了，OK，在python中又有兩種方式解決這個問題，看你個人喜好選擇了（當然要是有大神知道四種、五種方法，也不妨指導一下我這個小菜鳥）。
方案一的代碼：
import _pyioimport ioimport functoolsclass MyTextWrapper(_pyio.TextIOWrapper): def readrecod(self, sep): readnl, self._readnl = self._readnl, sep self._readtranslate = False self._readuniversal = False try: return self.readline() finally: self._readnl = readnl#class MyTextWrapper(_pyio.TextIOWrapper):# def __init__(self, *args, separator, **kwargs):# super().__init__(*args,**kwargs)# self._readnl = separator# self._readtranslate = False# self._readuniversal = False# print('{}:t{}'.format(self,self._readnl))f = io.open(’data’,mode=’rt’)#f = MyTextWrapper(f.detach(),separator = ’>’)#print(f._readnl)f = MyTextWrapper(f.detach())records=iter(functools.partial(f.readrecod, ’>’), ’’)for r in records: print(r.strip(’>’)) print('###')
Ok，這是Python3.x中的方法（親測），那么在Python2.x中需要改動的地方，目測好像是（沒有親測）
super(MyTextWrapper,self).__init__(*args,**kwargs)
這個方法看上去還是比較elegant，但是efficient 嗎？答案恐怕并不，畢竟放棄了C模塊的速度優勢，但是OOP寫起來還是比較舒服的。對了值得指出的Python的I/O是一個layer一個layer的累加起來的。從這里我們就能看出來。當然里面的繼承關系還是值得研究一下的，從最開始的IOBase一直到最后的TextIOWrapper,這里面的故事，還是要看一看的。
方案二的代碼：
#!/usr/bin/env pythondef delimited(file, delimiter = ’n’, bufsize = 4096): buf = ’’ while True: newbuf = file.read(bufsize) if not newbuf: yield buf return buf += newbuf lines = buf.split(delimiter) for line in lines[:-1]: yield line buf = lines[-1]with open(’data’, ’rt’) as f: lines = delimited(f, ’>’, bufsize = 1) for line in lines: print line, print ’######’
Ok,這里用到了所謂的generator函數，優雅程度也還行，至于效率么，請自行比較和測試吧（畢竟好多生物程序猿是不關心效率的…..)。如此一來，比Perl多敲了好多代碼，唉，懷念Perl的時代啊，簡單粗暴有效，就是幸福的哲學么。
當然還有童鞋要問，那么能不能又elegant還efficient（我可是一個高端的生物程序猿，我要強行高端！）答案是有的，請用Cython! 問題又來了，都Cython了，為什么不直接用C呢？確實，C語言優美又混亂。
補充知識：Python.json.常見兩個錯誤處理(Expecting , delimiter)(Invalid control character at)
ValueError: Invalid control character at: line 1 column 122(char 123)
出現錯誤的原因是字符串中包含了回車符（r）或者換行符（n）
解決方案：
轉義
json_data = json_data.replace(’r’, ’r’).replace(’n’, ’n’)
使用關鍵字strict
json.loads(json_data, strict=False)
ValueError: Expecting , delimiter: line 13 column 650 (char 4186)
原因：json數據不合法，類似“group_buy_create_description_text”: “1. Select the blue “Buy” button to let other shoppers buy with you.這樣的內容出現在json數據中。
解決方案：
將類似的情形通過正則篩選出來通過下面的方式處理。
正則表達式如下：
json_data = json_data.replace(’''’, ’'########'’)
js_str = ’'[sS]+?':s?'([sS]+?)'}?}?]?,’
后續使用中發現無法匹配value為空的情況，故先做一下預處理
這個正則可以匹配到大部分的key，value中的value值，但是也有例外，暫時的處理方法是如果匹配結果中包含”{“, “}”, “[“, “]”這樣的字符，說明是匹配失敗結果，跳過處理。其他的使用下邊的方法替換掉可能出問題的字符。
如果大家有更好的正則匹配方式，歡迎隨時批評指正。
def htmlEscape(input) { if not input return input; input = input.replace('&', '&'); input = input.replace('<', '<'); input = input.replace('>', '>'); input = input.replace(' ', ' '); input = input.replace('’', '''); //IE暫不支持單引號的實體名稱,而支持單引號的實體編號,故單引號轉義成實體編號,其它字符轉義成實體名稱 input = input.replace(''', '"'); //雙引號也需要轉義，所以加一個斜線對其進行轉義 input = input.replace('n', '<br/>'); //不能把n的過濾放在前面，因為還要對<和>過濾，這樣就會導致<br/>失效了 return input; }
以上這篇使用Python文件讀寫,自定義分隔符(custom delimiter)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。
網公網安備