用python将多个文档合成一个
来源:互联网 发布:农村淘宝服务电话 编辑:程序博客网 时间:2024/06/01 08:20
先说一下python的读写文件的相关知识
可以参考下:廖雪峰python教程-读写文件
Python:文件的读取、创建、追加、删除、清空
一、用Python创建一个新文件,内容是从0到9的整数, 每个数字占一行:
#python
>>>f=open('f.txt','w') # r只读,w可写,a追加
>>>for i in range(0,10):f.write(str(i)+'\n')
. . .
>>> f.close()
二、文件内容追加,从0到9的10个随机整数:
>>>import random
>>>f=open('f.txt','a')
>>>for i in range(0,10):f.write(str(random.randint(0,9)))
. . .
>>>f.write('\n')
>>>f.close()
三、文件内容追加,从0到9的随机整数, 10个数字一行,共10行:
>>> import random
>>> f=open('f.txt','a')
>>> for i in range(0,10):
. . . for i in range(0,10):f.write(str(random.randint(0,9)))
. . . f.write('\n')
. . .
>>> f.close()
四、把标准输出定向到文件:
>>> import sys
>>> sys.stdout = open("stdout.txt", "w")
>>> . . .
五、文件的读写
一、文件打开:
f = file(name[, mode[, buffering]])
入口参数: name 文件名
mode 选项,字符串
buffering 是否缓冲 (0=不缓冲,1=缓冲, >1的int数=缓冲区大小)
返回值 : 文件对象
mode 选项:
"r" 以读方式打开,只能读文件 , 如果文件不存在,会发生异常
"w" 以写方式打开,只能写文件, 如果文件不存在,创建该文件,如果文件已存在,先清空,再打开文件
"rb" 以二进制读方式打开,只能读文件 , 如果文件不存在,会发生异常
"wb" 以二进制写方式打开,只能写文件, 如果文件不存在,创建该文件,如果文件已存在,先清空,再打开文件
"rt" 以文本读方式打开,只能读文件 , 如果文件不存在,会发生异常
"wt" 以文本写方式打开,只能写文件, 如果文件不存在,创建该文件,如果文件已存在,先清空,再打开文件
"rb+" 以二进制读方式打开,可以读、写文件 , 如果文件不存在,会发生异常
"wb+" 以二进制写方式打开,可以读、写文件, 如果文件不存在,创建该文件,如果文件已存在,先清空,再打开文件
二、关闭文件
f.close()
当文件读写完毕后,应关闭文件。
三、清空文件内容
f.truncate()
注意:仅当以 "r+" "rb+" "w" "wb" "wb+"等以可写模式打开的文件才可以执行该功能。
四、文件的指针定位与查询
(1)文件指针:
文件被打开后,其对象保存在 f 中, 它会记住文件的当前位置,以便于执行读、写操作,这个位置称为文件的指针( 一个从文件头部开始计算的字节数 long 类型 )。
(2)文件打开时的位置:
以"r" "r+" "rb+" 读方式, "w" "w+" "wb+"写方式 打开的文件,一开始,文件指针均指向文件的头部。
(3) 获取文件指针的值:
L = f.tell()
(4) 移动文件的指针
f.seek( 偏移量, 选项 )
选项 =0 时, 表示将文件指针指向从文件头部到 "偏移量"字节处。
选项 =1 时, 表示将文件指针指向从文件的当前位置,向后移动 "偏移量"字节。
选项 =2 时, 表示将文件指针指向从文件的尾部,,向前移动 "偏移量"字节。
五、从文件读取指内容
1 文本文件(以"rt"方式打开的文件)的读取
s = f.readline( )
返回值: s 是字符串,从文件中读取的一行,含行结束符。
说明: (1) 如果 len( s ) =0 表示已到文件尾
(2) 如果是文件的最后一行,有可能没有行结束符
2 二进制文件(以"rb"、"rb+"、"wb+" 方式打开的文件)的读取
s = f.read( n )
说明: (1) 如果 len( s ) =0 表示已到文件尾
(2) 文件读取后,文件的指针向后移动 len(s) 字节。
(3)如果磁道已坏,会发生异常。
六、向文件写入一个字符串
f.write( s )
参数: s 要写入的字符串
说明: (1)文件写入后,文件的指针向后移动 len(s) 字节。
(2)如果磁道已坏,或磁盘已满会发生异常。
返回值: s 是字符串,从文件中读取的内容
七、删除文件
import os
os.remove(file)
这个是转自http://www.open-open.com/lib/view/open1413527388231.html
接下来是将多个文档合并成一个文档的程序:
import numpy as npimport os,re,time,loggingclass loadFolders(object): # 迭代器 def __init__(self,par_path): self.par_path = par_path def __iter__(self): for file in os.listdir(self.par_path): file_abspath = os.path.join(self.par_path, file) if os.path.isdir(file_abspath): # if file is a folder yield file_abspathclass loadFiles(object): def __init__(self,par_path): self.par_path = par_path def __iter__(self): folders = loadFolders(self.par_path) for folder in folders: # level directory #catg = folder.split(os.sep)[-1] for file in os.listdir(folder): # secondary directory file_path = os.path.join(folder,file) if os.path.isfile(file_path): this_file = open(file_path,'rb') content = this_file.read().decode('utf8') yield re.sub(r'\s{2,}', '', content) this_file.close()if __name__=='__main__': path_doc_root = 'F:\\THUCNews\\chinesenew' n=10 f=open("F:\\THUCNews\\chinesenew\\财经.txt",'w',encoding='utf-8') files = loadFiles(path_doc_root) for msg in files: f.write(msg+'\n')f.close()
re.sub(r'\s{2,}', '', content)
这个是删除连续2个(包括2个)以上的空格还有一点:
f=open("F:\\THUCNews\\chinesenew\\财经.txt",'w',encoding='utf-8')如果不加上encoding='utf-8',运行出现
在windows下面,新文件的默认编码是gbk,这样的话,python解释器会用gbk编码去解析我们的网络数据流txt,然而txt此时已经是decode过的unicode编码,这样的话就会导致解析不了,出现上述问题。 解决的办法就是,改变目标文件的编码:
f=open("F:\\THUCNews\\chinesenew\\财经.txt",'w',encoding='utf-8')
这样就可以了,主要参考了http://www.jb51.net/article/64816.htm这篇博客- 用python将多个文档合成一个
- python 将多个图片合成为一个视频
- python中,将多个print输出合成一个数组
- 将多个Bip动作合成一个
- Android 将多个RadioGroup合成一个
- 将多个BIN文件合成一个
- 用Python实现语音合成
- 用Python实现语音合成
- 用Python实现语音合成
- 多个pdf文档在线合成一个的工具
- 用Python处理一个csv文档
- 一个python网上文档
- 将多个PDF合成一个的方法
- ffmpeg混音(将多个声音合成一个)命令
- ffmpeg混音(将多个声音合成一个)命令
- python图片合成
- C# 将多个Image 合成为一个,格式可选择
- 如何将多个bin文件合成一个bin文件?(一)
- codecademy python lesson2
- ConcurrentHashMap实现原理分析
- 多核多线程编程的一些基础知识
- SVN 版本库安装
- 数据结构学习实录四—后缀表达式的计算(C++)
- 用python将多个文档合成一个
- MAC安装Cloudera QuickStart VM+incubator-griffin相关配置过程
- 支付宝APP支付开发- IOException : DerInputStream.getLength(): lengthTag=89, too big
- 使用pod安装第三方
- c++ 49,50,,51
- node.js中的url.parse方法使用说明
- 北方大学ACM多校训练第十四周
- hibernate笔记-009-联合主键一对一映射
- oracle-过程(procedure)介绍