文件中最常见的“startswith”来推断注释字符

Question

我正在尝试确定文件可能使用的注释字符。例如：

site,rank
#alexa.com/rankings
google.com,1
yahoo.com,2

有没有办法在列表中获取最多评论“startswith”路径，并将其与一组可能的评论字符相交？我现在在做的事情如下，但是看起来很幼稚：

POSSIBLE_COMMENT_CHARS = ['#', '//', '/*', '*/']

def get_comment_char(file):
    with open(file) as f:
        for line in f:
            for _char in POSSIBLE_COMMENT_CHARS:
                if line.startswith(_char):
                    return _char

使用上面的文件数据，它会返回：

get_comment_char(myalexafile)
>>> #

Answer 1

我会将行首与您的注释字符串的组合相匹配，然后计算出现次数。

最后计算出现次数最多的字符串

text="""
site,rank
#alexa.com/rankings
google.com,1
#yahoo.com,2
//whatever
# another comment

"""

import collections,re

POSSIBLE_COMMENT_CHARS = ['#', '//', '/*', '*/']

c = collections.Counter(re.findall("^({})".format("|".join(re.escape(x) for x in POSSIBLE_COMMENT_CHARS)),
     text,flags=re.MULTILINE))

print(max(c,key=lambda k: c.get(k)))

打印#

在一般情况下要小心"|".join(re.escape(x) for x in POSSIBLE_COMMENT_CHARS，因为它意味着线性搜索。如果您的列表中有5000 字符串，它可能会很慢。没关系。

Answer 2

您可以使用Counter 和正则表达式：

from collections import Counter
import re 

with open(fn) as f: 
    c=Counter(m.group(1) for line in f for m in re.finditer(r'^\s*(#|//|/\*|\*/)', line))

>>> c
Counter({'#': 1})