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：

  1. 读取读文件
  2. 行列表信息行处理
  3. 读取写文件
  4. 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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 = '. ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. MySQL数据库规范

    Mysql数据库规范 一.基础规范 [强制]使用InnoDB存储引擎解读:InnoDB存储引擎是MySQL默认存储引擎,支持事务和行级锁,并发性能更好,CPU及内存缓存页优化使得资源利用率更高[强制] ...

  2. 100198H Royal Federation

    传送门 题目大意 国家有N个城市,任意城市可以到达任意城市,是一棵树.国王要给这些城市分省份.每个省份最少M个城市,最多3M个城市.每个省有一个首府,首府不一定是这个省的城市,只是首府到这个省各个城市 ...

  3. 树莓派(Raspberry Pi 3) 使用wifi模块连接网络

    树莓派3B内置了wifi和蓝牙模块,启动WIFI模块有两种方式,一种是图形界面,一种是命令行模式. 使用图形界面: 在桌面右上角的菜单栏里面选择wifi,输入密码就可以了. 使用命令行: 第一步:配置 ...

  4. LSI阵列卡进行高效管理

    LSI公司(LSI Corporation)(NASDAQ:LSI)(中文:艾萨华)是一家总部位于加利福尼亚州米尔皮塔斯 (Milpitas) 的半导体和软件领先供应商,其主要产品包括:RAID控制器 ...

  5. c# dictionary，list排序

    Dictionary Key排序 Dictionary<string, string> dct= new Dictionary<string, string>(); Dicti ...

  6. c# sql省市联动

    C# sql省市联动 USE [Book] GO ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ); ...

  7. AB二进制

    Description 若将一个正整数化为二进制数,在此二进制数中,我们将数字1的个数多于数字0的个数的这类二进制数称为A类数,否则就称其为B类数. 例如: (13)10=(1101)2        ...

  8. Nodejs 文档概览

    Node.js v8.11.1 Node.js v8.11.1 文档 今天大致浏览了一下Node.js的官方文档,走马观花的了解了大部分模块的api,对他们的使用场景做一个简单的笔记 assert 断 ...

  9. 安卓手机牛逼软件Termux中安装Archlinux，安装Jdk

    说出来你可能不信,手机上居然装了两个linux系统,和真实的linux有些许些差别. 首先安装了Termux以后你发现,好多linux常用功能都有,什么Pyhton,gcc,g++,ruby,Php, ...

  10. SSH—网上商城之商品图片文件上传

    前言 网上商城中的淘宝图片要显示在页面的前提是图片应该已经在数据库里面,那么怎么实现图片的上传功能呢,这就是今天要说的主题. 内容 需求: 商城后台需要添加图片文件,用来图片显示 解决方式: Stru ...