python 包含漢字的文件讀寫之每行末尾加上特定字符

在數據挖掘中，原始文件的格式每每是使人抓狂，很重要的一步是對數據文件的格式進行整理。

      最近，接手的項目裏，提供的數據文件格式簡直讓人看不下去，使用pandas打不開，一直是io error.仔細查看，發現文件中不少行數據是以"結尾，然而其餘行缺失，於是需求也就很明顯了：判斷每行的結尾是否有"，沒有的話，加上就行了。

採用倒敘的方式好了，畢竟不少人須要的只是一個快速的解決方案，而不是一個why. 解決方案以下：

 1 b = open('b_file.txt', w)
 2 with open('a_file.txt', 'r') as lines:
 3     for line in lines:
 4         line = line.strip()
 5         if not line.endswith(r'"'):
 6             line += r'"'
 7         line += '\n'
 8         b.write(line)
 9 
10 b.close()
11 a.close()

其中整個過程的關鍵在於

line = line.strip()

　　以前我偷懶，直接使用省去了上面那行，結果在判斷條件栽了跟頭，程序認爲每一行都不是以"結尾：

if not line.endswith(r'"')

硬着頭皮試上去，重寫：

for line in open(data_path+'heheda.txt', 'r'):
    if not line[-2] == r'"':
        print line
        line = line[:-1] + r'"' + line[-1:]
        print line

      此時判斷條件爲 if not line[-2] == r'"'，這樣才能獲得除最後一行以外的正確結果。衆所周知的緣由，在windows系統中，文件的回車符是"\r\n"，於是，在沒有strip()處理好回車符的時候，須要手動在每一行的結尾前移一個字節進行判斷每行的末尾。而對於文件的最後一行，通常狀況下不是回車符做爲結尾，畢竟不要換行了嘛。於是line[-2]則定位到了最後一個漢字的中間，將\xx\xx，硬寫成了\xx"\xx，使得最後一個字顯示錯誤。