Python：如何正确使用 readline() 和 readlines()

Question

按照Gödel, Escher, Bach 提供的图表，我已经构建了一个 Python 脚本来使用来自普林斯顿英语 Wordnet 的数据随机创建句子。调用python GEB.py 会生成一个无意义的英语句子列表，例如：

复苏的非审美成本。 苔藓植物的指甲。 厌恶第四十桃。 星光之皮。 翻译袍子的面粉拿了_a_dare一拳打穿了重新请求分封的applewood。 金枪鱼旁边的叶状货船。

并将它们保存到 gibberish.txt。该脚本运行良好。

另一个脚本 (translator.py) 使用 gibberish.txt，并通过 py-googletrans Python 模块尝试将这些随机句子翻译成葡萄牙语：

from googletrans import Translator
import json

tradutor = Translator()

with open('data.json') as dataFile:
    data = json.load(dataFile)


def buscaLocal(keyword):
    if keyword in data:
        print(keyword + data[keyword])
    else:
        buscaAPI(keyword)


def buscaAPI(keyword):
    result = tradutor.translate(keyword, dest="pt")
    data.update({keyword: result.text})

    with open('data.json', 'w') as fp:
        json.dump(data, fp)

    print(keyword + result.text)


keyword = open('/home/user/gibberish.txt', 'r').readline()
buscaLocal(keyword)

目前第二个脚本只输出 gibberish.txt 中第一句的翻译。比如：

复苏的非审美成本。 aumento de custos inestético。

我尝试使用readlines() 代替readline()，但出现以下错误：

Traceback (most recent call last):
  File "main.py", line 28, in <module>
    buscaLocal(keyword)
  File "main.py", line 11, in buscaLocal
    if keyword in data:
TypeError: unhashable type: 'list'

我在这里阅读过有关此错误的类似问题，但我不清楚应该使用什么来阅读 gibberish.txt 中包含的整个句子列表（新句子以新行开头）。

如何阅读 gibberish.txt 中包含的完整句子列表？我应该如何调整translator.py 中的代码以实现这一目标？如果问题有点混乱，我很抱歉，如有必要，我可以编辑，我是 Python 新手，如果有人可以帮助我，我将不胜感激。

Answer 1

如果您使用readline() 函数，您必须记住该函数只返回一行，因此您必须使用循环遍历文本文件中的所有行。如果使用readlines()，此函数会立即读取整个文件，但会返回列表中的每一行。列表数据类型是不可散列的，不能用作dict 对象中的键，这就是if keyword in data: 行发出此错误的原因，因为keyword 这里是所有行的列表。一个简单的 for 循环就可以解决这个问题。

text_lines = open('/home/user/gibberish.txt', 'r').readlines()
for line in text_lines:
     buscaLocal(line)

这个循环将遍历列表中的所有行，访问字典时会出错，因为关键元素将是一个字符串。

Answer 2

让我们从您对文件对象所做的事情开始。您打开一个文件，从中获取一行，然后不要关闭它。更好的方法是处理整个文件然后关闭它。这通常使用with 块完成，即使发生错误也会关闭文件：

with open('gibberish.txt') as f:
    # do stuff to f

除了物质上的好处，这将使界面更加清晰，因为f 不再是一个一次性的对象。您可以通过三个简单的选项来处理整个文件：

1. 在循环中使用readline，因为它一次只能读取一行。当'' 出现时，您必须手动删除换行符并终止循环：

   while True:
       line = f.readline()
       if not line: break
       keyword = line.rstrip()
       buscaLocal(keyword)
   

   这个循环可以有多种形式，这里展示了其中一种。

2. 使用readlines 一次将文件中的所有行读入字符串列表：

   for line in f.readlines():
       keyword = line.rstrip()
       buscaLocal(keyword)
   

   这比前一个选项更简洁，因为您不需要手动检查循环终止，但它的缺点是一次加载整个文件，readline 循环没有。

   这将我们带到第三个选项。

3. Python 文件是可迭代的对象。您可以享受readlines 方法的简洁性和readline 的内存节省：

   for line in f:
        buscaLocal(line.rstrip())
   

   可以使用readline 和更神秘的next 形式模拟这种方法，以创建类似的迭代器：

   for line in next(f.readline, ''):
        buscaLocal(line.rstrip())
   

顺便说一句，我会对你的函数做一些修改：

def buscaLocal(keyword):
    if keyword not in data:
        buscaAPI(keyword)
    print(keyword + data[keyword])

def buscaAPI(keyword):
    # Make your function do one thing. In this case, do a lookup.
    # Printing is not the task for this function.
    result = tradutor.translate(keyword, dest="pt")
    # No need to do a complicated update with a whole new
    # dict object when you can do a simple assignment.
    data[keyword] = result.text

...

# Avoid rewriting the file every time you get a new word.
# Do it once at the very end.
with open('data.json', 'w') as fp:
    json.dump(data, fp)