使用 re.split 在 Python 中将文件拆分为行

Question

我正在尝试使用类似于以下的代码拆分具有列表理解的文件：

lines = [x for x in re.split(r"\n+", file.read()) if not re.match(r"com", x)]

但是，行列表总是有一个空字符串作为最后一个元素。有谁知道避免这种情况的方法（不包括事后放置 pop() 的麻烦）？

Answer 1

把正则表达式的锤子收起来:-)

1. 您可以直接遍历文件； readlines() 这些天几乎已经过时了。
2. 了解str.strip()（及其朋友lstrip() 和rstrip()）。
3. 不要使用file 作为变量名。这是一种糟糕的形式，因为file 是built-in function。

您可以将代码编写为：

lines = []
f = open(filename)
for line in f:
    if not line.startswith('com'):
        lines.append(line.strip())

如果还是有空行，可以添加测试：

lines = []
f = open(filename)
for line in f:
    if line.strip() and not line.startswith('com'):
        lines.append(line.strip())

如果你真的想要一行：

lines = [line.strip() for line in open(filename) if line.strip() and not line.startswith('com')]

最后，如果您使用的是 python 2.6，请查看with statement 以进一步改进。

Answer 2

lines = file.readlines()

编辑： 或者如果你不想在那里有空行，你可以这样做

lines = filter(lambda a:(a!='\n'), file.readlines())

编辑^2： 要删除尾随的换行符，您可以这样做

lines = [re.sub('\n','',line) for line in filter(lambda a:(a!='\n'), file.readlines())]

Answer 3

另一个方便的技巧，尤其是当您需要行号时，是使用枚举：

fp = open("myfile.txt", "r")
for n, line in enumerate(fp.readlines()):
    dosomethingwith(n, line)

我最近才发现枚举，但从那时起它已经派上用场好几次了。

Answer 4

这应该可以工作，并且也可以消除正则表达式：

all_lines = (line.rstrip()
             for line in open(filename)
             if "com" not in line)
# filter out the empty lines
lines = filter(lambda x : x, all_lines)

由于您使用的是列表推导而不是生成器表达式（因此整个文件无论如何都会被加载到内存中），所以这里有一个快捷方式，可以避免代码过滤掉空行：

lines = [line
     for line in open(filename).read().splitlines()
     if "com" not in line]