Python 从文件中提取数据

Question

我有一个文本文件，只是说

text1 text2 text text
text text text text

我希望首先计算文件中字符串的数量（全部由空格分隔），然后输出前两个文本。 （文字 1 文字 2）

有什么想法吗？

提前感谢您的帮助

编辑：这是我目前所拥有的：

>>> f=open('test.txt')
>>> for line in f:
    print line
text1 text2 text text text text hello
>>> words=line.split()
>>> words
['\xef\xbb\xbftext1', 'text2', 'text', 'text', 'text', 'text', 'hello']
>>> len(words)
7
if len(words) > 2:
    print "there are more than 2 words"

我遇到的第一个问题是，我的文本文件是：text1 text2 text text text

但是当我拉出单词的输出时，我得到： ['\xef\xbb\xbftext1', 'text2', 'text', 'text', 'text', 'text', 'hello']

'\xef\xbb\xbf 从何而来？

Answer 1

要逐行读取文件，只需在for 循环中循环打开的文件对象：

for line in open(filename):
    # do something with line

要按空格将一行拆分成一个单独的单词列表，请使用str.split()：

words = line.split()

要计算 python 列表中的项目数，请使用len(yourlist)：

count = len(words)

要从 python 列表中选择前两项，请使用切片：

firsttwo = words[:2]

我将把构建完整程序的工作留给你，但你只需要上面的内容，再加上一个if 语句，看看你是否已经有了你的两个词。

您在文件开头看到的三个额外字节是UTF-8 BOM（字节顺序标记）；它将您的文件标记为 UTF-8 编码，但它是多余的，仅在 Windows 上真正使用。

您可以使用以下方法将其删除：

import codecs
if line.startswith(codecs.BOM_UTF8):
    line = line[3:]

您可能希望使用该编码将字符串解码为 un​​icode：

line = line.decode('utf-8')

你也可以使用codecs.open()打开文件：

file = codecs.open(filename, encoding='utf-8')

请注意，codecs.open() 不会为您剥离 BOM；最简单的方法是使用.lstrip():

import codecs
BOM = codecs.BOM_UTF8.decode('utf8')
with codecs.open(filename, encoding='utf-8') as f:
    for line in f:
        line = line.lstrip(BOM)