python实现文本文件合并

时间:2022-10-22 13:01:51

python合并文本文件示例代码。

python实现两个文本合并

employee文件中记录了工号和姓名

cat employee.txt:

?
1
2
3
4
100 Jason Smith
200 John Doe
300 Sanjay Gupta
400 Ashok Sharma

bonus文件中记录工号和工资

cat bonus.txt:

?
1
2
3
4
100 $5,000
200 $500
300 $3,000
400 $1,250

要求把两个文件合并并输出如下, 处理结果:

?
1
2
3
4
5
400 ashok sharma $1,250
 
100 jason smith $5,000
200 john doe $500
300 sanjay gupta $3,000

这个应该是要求用shell来写的,但我的shell功底不怎么样,就用python来实现了
注意,按题目的意思,在输出文件中还需要按照姓名首字母来排序的

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
#! /usr/bin/env python
 
#coding=utf-8
fp01=open("bonus.txt","r")
a=[]
for line01 in fp01:
a.append(line01)
fp02=open("employee.txt","r")
fc02=sorted(fp02,key=lambda x:x.split()[1])
for line02 in fc02:
i=0
while line02.split()[0]!=a[i].split()[0]:
i+=1
print "%s %s %s %s" % (line02.split()[0],line02.split()[1],line02.split()[2],a[i].split()[1])
fp01.close()
fp02.close()

我们再来看一段同样功能的 代码

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
# coding gbk
#
# author: GreatGhoul
# email : greatghoul@gmail.com
# blog : http://greatghoul.javaeye.com
  
import sys,os,msvcrt
  
def join(in_filenames, out_filename):
  out_file = open(out_filename, 'w+')
    
  err_files = []
  for file in in_filenames:
    try:
      in_file = open(file, 'r')
      out_file.write(in_file.read())
      out_file.write('\n\n')
      in_file.close()
    except IOError:
      print 'error joining', file
      err_files.append(file)
  out_file.close()
  print 'joining completed. %d file(s) missed.' % len(err_files)
  print 'output file:', out_filename
  if len(err_files) > 0:
    print 'missed files:'
    print '--------------------------------'
    for file in err_files:
      print file
    print '--------------------------------'
  
if __name__ == '__main__':
  print 'scanning...'
  in_filenames = []
  file_count = 0
  for file in os.listdir(sys.path[0]):
    if file.lower().endswith('[all].txt'):
      os.remove(file)
    elif file.lower().endswith('.txt'):
      in_filenames.append(file)
      file_count = file_count + 1
  if len(in_filenames) > 0:
    print '--------------------------------'
    print '\n'.join(in_filenames)
    print '--------------------------------'
    print '%d part(s) in total.' % file_count
    book_name = raw_input('enter the book name: ')
    print 'joining...'
    join(in_filenames, book_name + '[ALL].TXT')
  else:
    print 'nothing found.'
  msvcrt.getch()

最后我们再来看一个小编遇到的情况:

今天汇编的时候在阿甘的博客里面看到了一部小说《疯狂的程序员》,于是网上搜了下准备放到手机里闲时看看,无奈下载后发现是分章节的txt文本,一共有87个文件,考虑到阅读起来不是很方便,于是想找个现成的工具合并txt文本。

结果尝试了几个工具后觉得合并效果都不给力啊,于是打算自己动手。其实cmd的命令"type *.txt >> crazy-programmer.txt"还是很有效果的,然而合并后的txt文件却十分庞大,所以我还是自己写了一个脚本完成了合并。

说明:由于我下载的87个txt文件的字符编码格式都不统一,所以我用chardet模块判断字符编码类型后再用codecs模块的codecs.open功能解决了编码问题。如果直接用file的open打开txt文件的话,在UCS-2 Little Endian的编码情况下,file.read()遇到中文的冒号(即“:”)后会无法读取冒号以后的内容,所以需要用codecs.open(path,'r',encoding)来解决。

如果还有问题可以留言,代码如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
#!coding: cp936
import codecs, chardet
 
def fileopen(filename):
  f = open(filename, 'r')
  s = f.read()
  if(chardet.detect(s)['encoding'] == 'UTF-16LE'):
    f.close()
    f = codecs.open(filename, 'r', 'utf-16-le')    
    data = f.read().encode('gb2312', 'ignore')
    f.close()
  elif(chardet.detect(s)['encoding'] == 'GB2312'):
    data = s
    f.close()
  return data
 
i = 1
while i <=87:
  if(i < 10):
    filename = '0'+str(i)+'.txt'
  else:
    filename = str(i)+'.txt'
  text = fileopen(filename)
  file('crazy-p.txt', 'a+').write(text)
  i = i+1

其中,chardet模块需要下载安装,脚本还可以改进以适应更多种情况,我就懒了。