使用Python檔案讀寫,自定義分隔符(custom delimiter)
眾所周知，python檔案讀取檔案的時候所支援的newlines（即換行符），是指定的。這一點不管是從python的doucuments上還是在python的原始碼中（作者是參考了python的io版本，並沒有閱讀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","\r\n"):
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格式的測序結果檔案，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裡面十分好解決，無非就是重新定義下檔案的分割符（$/,The input record separator,newline by default. Set undef to read through the end of file.）
local $/; # enable "slurp" mode local $_ = <FH>; # whole file now here s/\n[ \t]+/ /g;
簡單粗暴有效！《Programming Perl》開頭的那些關於什麼是happiness定義看來所言非虛，所以你只要需要將$/定義為fastq格式的分隔符就ok了。
但是，如果是Python呢？（容易鑽牛角尖的孩紙，又或者是不喜歡花括號的孩子…..反正就是強行高端了）。終於要進入正題了，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）。
方案一的程式碼：
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，這是Python3.x中的方法（親測），那麼在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？答案恐怕並不，畢竟放棄了C模組的速度優勢，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。從這裡我們就能看出來。當然裡面的繼承關係還是值得研究一下的，從最開始的IOBase一直到最後的TextIOWrapper,這裡面的故事，還是要看一看的。
方案二的程式碼：
#!/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,這裡用到了所謂的generator函式，優雅程度也還行，至於效率麼，請自行比較和測試吧（畢竟好多生物程式猿是不關心效率的…..)。如此一來，比Perl多敲了好多程式碼，唉，懷念Perl的時代啊，簡單粗暴有效，就是幸福的哲學麼。
當然還有童鞋要問，那麼能不能又elegant還efficient（我可是一個高階的生物程式猿，我要強行高階！）答案是有的，請用Cython! 問題又來了，都Cython了，為什麼不直接用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資料不合法，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資料中。
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。
正則表示式如下：
json_data = json_data.replace('""','"########"')
js_str = '"[\s\S]+?":\s?"([\s\S]+?)"\}?\}?\]?,'
後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”{“,“}”,“[“,“]”這樣的字元，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元。
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暫不支援單引號的實體名稱,而支援單引號的實體編號,故單引號轉義成實體編號,其它字元轉義成實體名稱
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檔案讀寫,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，也希望大家多多支援我們。