python学习：python文件中空格和换行符的捕获和文本文件的转存
0. 背景
之前公司的项目中，需要在嵌入式系统中实现一个http的网页端内容，由于项目历史遗留问题，公司是采用的将html文件转成c语言头文件的方式，每次修改页面端都需要从新编译一下程序，非常的繁琐。
虽然繁琐，但是因为历史遗留问题，历史遗留项目都采用这种方式做后面的升级维护。
入乡随俗嘛，用python写了一个html和h文件互转的小程序，程序编写的过程和原理很简单，以后有时间再另外发帖。（TODO）在此不做深入讨论。
程序也很好用，但是最近将公司自己写的程序使用gitblit本地仓库的形式进行版本管理后，发现一个致命的问题。就是每次转换成的h文件和公司历史遗留的文件进行git diff 时候，满屏都是不一样的地方。这咋利于版本控制和验证呢？
1. 问题分析
究竟是哪里不同呢？后来发现原来我写的转换脚本，和公司惯用的html to c脚本有着严重不同的地方在于：
公司旧版本程序是：
我转换的程序是：
git diff 比对文件的时候是会比对空格的，而且是引号的位置不同，所以就是大段的内容是不一样的。
这怎么办呢？
这时候正则匹配就派上用场了。
2. 寻找方法
上述问题其实总结起来就是：“引号位置放错了”。那么怎么知道应该在哪里放置引号呢？博主想到的笨办法就是在把每行的内容单独拎出来，然后分成三个部分，空格+内容+空格的方式，然后在组合成 空格+引号 +内容+引号+空格的方式。然后实际上就是提取出来了内容两边的东西。
talk is cheap , show codes.
假设我们有一个 test.html 文件：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Document</title>
</head>
<body>
<h1>Hello World</h1>
</body>
</html>
我们读取它的时候，要注意，每行实际在末尾有一个换行符\n
现在我们编写一个 r.py 脚本
import re
with open('test.html') as f:
lines = f.readlines() # 获取行列表信息
print(lines) # 打印行信息
我们在ipython中执行是这样的：
In []: %run r.py
['<!DOCTYPE html>\n', '<html lang="en">\n', '<head>\n', '\t<meta charset="UTF-8"
>\n', '\t<title>Document</title>\n', '</head>\n', '<body>\n', '\t<h1>Hello Wor
ld</h1>\n', '</body>\n', '</html>']
2,3,4 表示的是每行的信息，和我们上面的 test.html 文件是一致的。
将上面的列表整理一下：
# 整理列表
[
'<!DOCTYPE html>\n',
'<html lang="en">\n',
'<head>\n',
'\t<meta charset="UTF-8">\n',
'\t<title>Document</title>\n',
'</head>\n', '<body>\n',
'\t<h1>Hello World</h1>\n',
'</body>\n', '</html>'
]
可以看出，我们就是逐行打印了文件内容而已：
拿第6行举例，我们需要匹配到\t 和 \n 并在合适的地方加上引号，程序就over了。
查阅正则内容（菜鸟教程Python正则表达式章节），可知道 \s 可以匹配任意空白字符。
于是，我们用行6字符串测试一下我们的处理代码对不对：
In []: s = re.search(r'^(\s*)(.*)(\s*)$','\t"<title>Document</title>"\n') In []: s.group()
Out[]: '\t"<title>Document</title>"\n' In []: s.group()
Out[]: '\t"<title>Document</title>"\n' In []: s.group()
Out[]: '\t' In []: s.group()
Out[]: '"<title>Document</title>"' In []: s.group()
Out[]: '\n'
测试和之前的想法是一致的。括弧括起来的内容被捕获出来。
3. 解决问题
由此，上述问题基本已经找到解决的头绪，那么定下代码编写的流程：
- 读取读文件
- 行列表信息行处理
- 读取写文件
- 写入处理后的行列表信息
于是编写代码：
import re # 引入正则库
with open('test.html') as f: # 读取读文件
lines = f.readlines() # 读取行信息
r = r'^(\s*)(.*)(\s*)$' # 正则
lines = [re.search(r,l).group() +'"'+ re.search(r,l).group()+'\\n"'+re.search(r,l).group() for l in lines] # 处理行信息
with open('test.h','w+') as f2: # 读取写文件
f2.writelines(lines) # 写入行信息
其中第4行就是我们处理行信息的过程，这里用了一个列表推导式
所谓列表推导式，就是一种for循环的简写形式，可以从一个列表，经过一定的变换，快速生成一个列表。例如：
In[] : a = [,,,]
In[] : print(a)
Out[] : [,,,] In[] : print([i for i in a])
Out[] : [,,,] In[] : print([i*+ for i in a])
Out[] : [,,,]
也就是，前面第4行的程序实际上就是将lines的数据单个处理，在捕获内容中加入一些我们需要的字符，比如是双引号，然后组成了新的列表。写入到文件中。
问题解决。
4. 总结
这个测试脚本的重点就在于正则的捕获，正则捕获在文本文件、字符串处理中使用广泛，需要不断积累和总结，方能领悟其中的妙用。
python学习：python文件中空格和换行符的捕获和文本文件的转存的更多相关文章
- sqlserver数据库 去除字段中空格，换行符，回车符(使用replace语句)
SQL中可以使用Replace函数来对某个字段里的某些字符进行替换操作,语法如下: 语法 REPLACE ( original-string, search-string, replace-strin ...
- linux下使用vim替换文件中的^M换行符
在linux下打开windows编辑过的文本,会出现由于换行符不一致而导致的内容格式错乱的问题.最常见的就是出现^M . 我出现的问题是:在windows编辑过的文件,传到linux上后再用vim打开 ...
- python操作txt文件中数据教程[4]-python去掉txt文件行尾换行
python操作txt文件中数据教程[4]-python去掉txt文件行尾换行 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文章 python操作txt文件中数据教程[1]-使用pyt ...
- python操作txt文件中数据教程[1]-使用python读写txt文件
python操作txt文件中数据教程[1]-使用python读写txt文件 觉得有用的话,欢迎一起讨论相互学习~Follow Me 原始txt文件 程序实现后结果 程序实现 filename = '. ...
- python学习9—文件基本操作与高级操作
python学习9—文件基本操作与高级操作 1. 文件基本操作 打开文件,获得文件句柄:f = open('filename',encoding='utf-8'),open会查询操作系统的编码方式,并 ...
- python操作txt文件中数据教程[3]-python读取文件夹中所有txt文件并将数据转为csv文件
python操作txt文件中数据教程[3]-python读取文件夹中所有txt文件并将数据转为csv文件 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献 python操作txt文件中 ...
- python操作txt文件中数据教程[2]-python提取txt文件
python操作txt文件中数据教程[2]-python提取txt文件中的行列元素 觉得有用的话,欢迎一起讨论相互学习~Follow Me 原始txt文件 程序实现后结果-将txt中元素提取并保存在c ...
- python学习之文件读写,序列化(json,pickle,shelve)
python基础 文件读写 凡是读写文件,所有格式类型都是字符串形式传输 只读模式(默认) r f=open('a.txt','r')#文件不存在会报错 print(f.read())#获取到文件所 ...
- 使用Python从PDF文件中提取数据
前言 数据是数据科学中任何分析的关键,大多数分析中最常用的数据集类型是存储在逗号分隔值(csv)表中的干净数据.然而,由于可移植文档格式(pdf)文件是最常用的文件格式之一,因此每个数据科学家都应该了 ...
随机推荐
- 03 MD5加密、Base64处理
1 什么是MD5 信息摘要算法,可以将字符进行加密,每个加密对象在进行加密后都是等长的 应用场景:将用户密码经过MD5加密后再存储到数据库中,这样即使是超级管理员也没有能力知道用户的具体密码是多少:因 ...
- linux 开启终端256色支持
一.简介 一般的Linux发行版默认的终端都是16色的,但事实上几乎所有的终端都支持256色终端.本文介绍开启终端256色支持的方法. 二.操作步骤 1)检查终端是否支持256色 http://www ...
- Android 之 信息通知栏消息Notification
Notification是安卓手机顶部的消息提示 这里我们分别设置两个按钮,来实现顶部消息的发送和取消 功能实现 首先要在主Activity中设置一个通知控制类 NotificationManager ...
- Luogu 2831 [NOIP2016] 愤怒的小鸟
第一眼看成爆搜的状压dp,膜Chester大神犇. 考虑到三个不在同一直线上的点可以确定一条抛物线,而固定点$(0, 0)$和不在同一直线上这两个条件是题目中给定的,所以我们只要枚举两个点然后暴力算抛 ...
- VSTO的简单用法
一直听说vsto这个名词,还真不知道什么意思,今天了解了一下,原来他的全程是Visual Studio Tools For Office,说他是VBA的替身(VBA俺也不是很懂),刚才上网查询做了个例 ...
- [译]Javascript中的switch语句
本文翻译youtube上的up主kudvenkat的javascript tutorial播放单 源地址在此: https://www.youtube.com/watch?v=PMsVM7rjupU& ...
- Dubbo项目入门
Dubbo是一款高性能.轻量级的开源Java RPC框架,它提供了三大核心能力:面向接口的远程方法调用,智能容错和负载均衡,以及服务自动注册和发现. 它的特性如下 面向接口代理的高性能RPC调用 智能 ...
- Referenced file contains errors (http://www.springframework.org/schema/beans/spring-beans-3.1.xsd)
解决方法: 将 Preferences > XML > XML Files > Validation中"Honour all XML schema locations&qu ...
- JavaScript混淆压缩
比较好用的压缩软件,支持合并 JsCompressor-v3.0 比较好用的混淆站点:http://dean.edwards.name/packer/
- 怎么自动响应richTextBox超级链接单击click事件
如上图所示,怎么自动响应richTextBox超级链接单击click事件?步骤如下: 1. 增加 richTextBox1_LinkClicked 事件: 2. 编辑事件内容如下: private ...