使用Python文件读写,自定义分隔符(custom delimiter)


Posted in Python onJuly 05, 2020

众所周知,python文件读取文件的时候所支持的newlines(即换行符),是指定的。这一点不管是从python的doucuments上还是在python的源码中(作者是参考了python的io版本,并没有阅读C版本),都可以看出来:

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", "\r\n"):
 raise ValueError("illegal newline value: %r" % (newline,))

好吧,问题来了,如果你恰好是个苦逼的生物狗,正在用python处理所谓的fastq格式的测序结果文件,每次只读一行往往不是你想要的。Ok, 我们也都知道其实这个问题在Perl里面十分好解决,无非就是重新定义下文件的分割符($/,The input record separator, newline by default. Set undef to read through the end of file.)

local $/;   # enable "slurp" mode
local $_ = <FH>; # whole file now here
s/\n[ \t]+/ /g;

简单粗暴有效!《Programming Perl》开头的那些关于什么是happiness定义看来所言非虚,所以你只要需要将$/定义为fastq格式的分隔符就ok了。

但是,如果是Python呢?(容易钻牛角尖的孩纸,又或者是不喜欢花括号的孩子…..反正就是强行高端了)。终于要进入正题了,OK,在python中又有两种方式解决这个问题,看你个人喜好选择了(当然要是有大神知道四种、五种方法,也不妨指导一下我这个小菜鸟)。

方案一的代码:

import _pyio
import io
import functools
class 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,这是Python3.x中的方法(亲测),那么在Python2.x中需要改动的地方,目测好像是(没有亲测)

super(MyTextWrapper,self).__init__(*args,**kwargs)

这个方法看上去还是比较elegant,但是efficient 吗?答案恐怕并不,毕竟放弃了C模块的速度优势,但是OOP写起来还是比较舒服的。对了值得指出的Python的I/O是一个layer一个layer的累加起来的。从这里我们就能看出来。当然里面的继承关系还是值得研究一下的,从最开始的IOBase一直到最后的TextIOWrapper,这里面的故事,还是要看一看的。

方案二的代码:

#!/usr/bin/env python

def 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,这里用到了所谓的generator函数,优雅程度也还行,至于效率么,请自行比较和测试吧(毕竟好多生物程序猿是不关心效率的…..)。如此一来,比Perl多敲了好多代码,唉,怀念Perl的时代啊,简单粗暴有效,就是幸福的哲学么。

当然还有童鞋要问,那么能不能又elegant还efficient(我可是一个高端的生物程序猿,我要强行高端!)答案是有的,请用Cython! 问题又来了,都Cython了,为什么不直接用C呢?确实,C语言优美又混乱。

补充知识:Python.json.常见两个错误处理(Expecting , delimiter)(Invalid control character at)

ValueError: Invalid control character at: line 1 column 122(char 123)

出现错误的原因是字符串中包含了回车符(\r)或者换行符(\n)

解决方案:

转义

json_data = json_data.replace('\r', '\\r').replace('\n', '\\n')

使用关键字strict

json.loads(json_data, strict=False)

ValueError: Expecting , delimiter: line 13 column 650 (char 4186)

原因:json数据不合法,类似“group_buy_create_description_text”: “1. Select the blue “Buy” button to let other shoppers buy with you.这样的内容出现在json数据中。

解决方案:

将类似的情形通过正则筛选出来通过下面的方式处理。

正则表达式如下:

json_data = json_data.replace('""', '"########"')

js_str = '"[\s\S]+?":\s?"([\s\S]+?)"\}?\}?\]?,'

后续使用中发现无法匹配value为空的情况,故先做一下预处理

这个正则可以匹配到大部分的key,value中的value值,但是也有例外,暂时的处理方法是如果匹配结果中包含”{“, “}”, “[“, “]”这样的字符,说明是匹配失败结果,跳过处理。其他的使用下边的方法替换掉可能出问题的字符。

如果大家有更好的正则匹配方式,欢迎随时批评指正。

def htmlEscape(input) {
    if not input
      return input;
    input = input.replace("&", "&");
    input = input.replace("<", "<");
    input = input.replace(">", ">");
    input = input.replace(" ", " ");
    input = input.replace("'", "'");  //IE暂不支持单引号的实体名称,而支持单引号的实体编号,故单引号转义成实体编号,其它字符转义成实体名称
    input = input.replace("\"", """); //双引号也需要转义,所以加一个斜线对其进行转义
    input = input.replace("\n", "<br/>"); //不能把\n的过滤放在前面,因为还要对<和>过滤,这样就会导致<br/>失效了
    return input;
  }

以上这篇使用Python文件读写,自定义分隔符(custom delimiter)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python基础教程之循环介绍
Aug 29 Python
Python IDE PyCharm的基本快捷键和配置简介
Nov 04 Python
在Linux命令行终端中使用python的简单方法(推荐)
Jan 23 Python
Python引用计数操作示例
Aug 23 Python
Python读取txt内容写入xls格式excel中的方法
Oct 11 Python
分析经典Python开发工程师面试题
Apr 08 Python
详解python中的线程与线程池
May 10 Python
python Django编写接口并用Jmeter测试的方法
Jul 31 Python
python删除指定列或多列单个或多个内容实例
Jun 28 Python
超级实用的8个Python列表技巧
Aug 24 Python
python3中calendar返回某一时间点实例讲解
Nov 18 Python
python 读取yaml文件的两种方法(在unittest中使用)
Dec 01 Python
如何清空python的变量
Jul 05 #Python
增大python字体的方法步骤
Jul 05 #Python
树莓派升级python的具体步骤
Jul 05 #Python
Python OpenCV去除字母后面的杂线操作
Jul 05 #Python
使用OpenCV去除面积较小的连通域
Jul 05 #Python
学python最电脑配置有要求么
Jul 05 #Python
浅谈OpenCV中的新函数connectedComponentsWithStats用法
Jul 05 #Python
You might like
php实现用户在线时间统计详解
2011/10/08 PHP
php中is_null,empty,isset,unset 的区别详细介绍
2013/04/28 PHP
CodeIgniter框架过滤HTML危险代码
2014/06/12 PHP
PHP对文件夹递归执行chmod命令的方法
2015/06/19 PHP
Yii针对添加行的增删改查操作示例
2016/10/18 PHP
Yii2设置默认控制器的两种方法
2017/05/19 PHP
PHP实现的mysql操作类【MySQL与MySQLi方式】
2017/10/07 PHP
PHP 二维array转换json的实例讲解
2018/08/21 PHP
用js实现手把手教你月入万刀(转贴)
2007/11/07 Javascript
node.js中的http.request.end方法使用说明
2014/12/10 Javascript
JavaScript将数组转换成CSV格式的方法
2015/03/19 Javascript
再次谈论Javascript中的this
2016/06/23 Javascript
移动端触屏幻灯片图片切换插件idangerous swiper.js
2017/04/10 Javascript
jQuery实现input[type=file]多图预览上传删除等功能
2019/08/02 jQuery
Nodejs + Websocket 指定发送及群聊的实现
2020/01/09 NodeJs
[01:06]DOTA2亚洲邀请赛专属珍藏-荧煌之礼
2017/03/24 DOTA
Python进程通信之匿名管道实例讲解
2015/04/11 Python
python通过索引遍历列表的方法
2015/05/04 Python
解决uWSGI的编码问题详解
2017/03/24 Python
浅谈python中真正关闭socket的方法
2018/12/18 Python
解决python3 pika之连接断开的问题
2018/12/18 Python
PyQt5 加载图片和文本文件的实例
2019/06/14 Python
Python qqbot 实现qq机器人的示例代码
2019/07/11 Python
python实现一行输入多个值和一行输出多个值的例子
2019/07/16 Python
pycharm软件实现设置自动保存操作
2020/06/08 Python
深入浅析pycharm中 Make available to all projects的含义
2020/09/15 Python
Django修改app名称和数据表迁移方案实现
2020/09/17 Python
英国男士时尚购物网站:Stuarts London
2017/10/22 全球购物
俄罗斯购买内衣网站:Trusiki
2020/08/22 全球购物
Java语言程序设计测试题判断题部分
2013/01/06 面试题
公益活动策划方案
2014/01/09 职场文书
2014年公司迎新年活动方案
2014/02/24 职场文书
2014向国旗敬礼网上签名活动总结
2014/09/27 职场文书
2015政治思想表现评语
2015/03/25 职场文书
pytorch中的model=model.to(device)使用说明
2021/05/24 Python
C3 线性化算法与 MRO之Python中的多继承
2021/10/05 Python