Python中的多行变成单行

Question

我有一个文件如下：

>abc
AAA
AAA
>dfgg
BBBBB
BBBBB
BB
>zzz
CCCCC
CCC

我想要的输出是：

>abc
AAAAAA
>dfgg
BBBBBBBBBBBB
>zzz
CCCCCCCC

就是把多行变成单行。

我写了以下代码：

f = open('test.txt', 'r')
currentline = ""
for line in f:
    if line.startswith('>'):
        line = line.rstrip('\n')
        print line
    else:
        line = line.rstrip('\n')
        currentline = currentline + line
        print currentline
f.close()

当然，这是不对的，因为currentline 会一直增长到最后。我不知道如何更新currentline 并按指示打印输出。

我知道一种选择是使用f.read() 或f.readlines() 读取整个文件，并将文件视为字符串或列表，但由于文件非常大，并且不以'>'开头的每一行都可以最多2000万个字符，我认为最好不要一次将整个文件读入内存并逐行处理。请让我知道您对此有何看法。

感谢您的帮助！

Answer 1

一个简单的解决方案：

from itertools import groupby

with open('data.txt') as f:
    for key, group in groupby(f, lambda s: s.startswith('>')):
        print(''.join(s.rstrip('\n') for s in group))

这仅在以> 开头的行都是单行时才有效，它们在您的示例中。为避免将它们连接起来，您可以执行以下操作：

from itertools import groupby, count

counter = count()
with open('data.txt') as f:
    for key, group in groupby(f, lambda s: next(counter) if s.startswith('>') else -1):
        print(''.join(s.rstrip('\n') for s in group))

关键是groupby 的键函数：count() 是一个生成器，它简单地生成整数序列 0、1、2。这意味着每个 > 行都有自己的唯一键，而所有其他行获得-1 的键并组合在一起，除非> 行介入。

事实上，任何保持组唯一性的表达式都可以使用，它不必是计数器。例如你可以使用这个：

lambda s: object() if s.startswith('>') else None

文件迭代和groupby 都是惰性的，因此组将在读取组后的行后立即输出。

Answer 2

一进来就打印所有内容的版本：

with open('test.txt', 'r') as f:
    flush = False
    for line in f:
        if line.startswith('>'):
            if flush:
                print('')
            print(line.rstrip('\n'))
            flush = False
        else:
            flush = True
            print(line.rstrip('\n'), end='')
    if flush:
        print('')

Answer 3

您的代码很好，您只需找到合适的位置更新currentline。您将在找到下一个标志后进行更新，在您的情况下，该标志是以> 开头的行。

f = open('test.txt', 'r')
currentline = ""
for line in f:
    if line.startswith('>'):
        line = line.rstrip('\n')
        if currentline != "": print currentline
        print line
        currentline = ""
    else:
        line = line.rstrip('\n')
        currentline = currentline + line
print currentline
f.close()


Input:

>abc
AAA
AAA
>dfgg
BBBBB
BBBBB
BB
>zzz
CCCCC
CCC

Output:

>abc
AAAAAA
>dfgg
BBBBBBBBBBBB
>zzz
CCCCCCCC

# edited code above and tested it with the below file based on ypnos's comment.
Input:

>abc
AAA
AAA
>dfgg
BBBBB
BBBBB
BB
>
>
>>
>zzz
CCCCC
CCC

Output:

>abc
AAAAAA
>dfgg
BBBBBBBBBBBB
>
>
>>
>zzz
CCCCCCCC

编辑：ypnos 提出了一个很好的观点，即上面会打印不必要的换行符。我对上面的代码做了一个小改动，它现在避免了打印这些代码。请参阅上面的新测试用例。

Answer 4

试试这个

f = open('test.txt', 'r')
for line in f:
    if line.startswith('>'):
        print '\n', line.rstrip('\n')
    else:
        print line.rstrip('\n'), 
f.close()