python - Python 2.7 中的 Open() 和 codecs.open() 表现出奇特的不同

Question

我有一个文本文件，其中包含第一行 unicode 字符和 ASCII 中的所有其他行。我尝试将第一行作为一个变量读取，将所有其他行作为另一个变量读取。但是，当我使用以下代码时：

# -*- coding: utf-8 -*-
import codecs
import os
filename = '1.txt'
f = codecs.open(filename, 'r3', encoding='utf-8')
print f
names_f = f.readline().split(' ')
data_f = f.readlines()
print len(names_f)
print len(data_f)
f.close()
print 'And now for something completely differerent:'
g = open(filename, 'r')
names_g = g.readline().split(' ')
print g
data_g = g.readlines()
print len(names_g)
print len(data_g)
g.close()

我得到以下输出：

<open file '1.txt', mode 'rb' at 0x01235230>
28

7

And now for something completely differerent:

<open file '1.txt', mode 'r' at 0x017875A0>

28

77

如果我不使用 readlines()，则会读取整个文件，而不仅仅是 codecs.open() 和 open() 的前 7 行。

为什么会发生这样的事情？为什么 codecs.open() 以二进制模式读取文件，尽管添加了 'r' 参数？

更新：这是原始文件：http ://www1.datafilehost.com/d/0792d687

Answer 1

因为你使用了.readline() first，所以codecs.open()文件已经填充了一个 linebuffer；随后的调用仅.readlines()返回缓冲的行。

如果.readlines() 再次调用，则返回其余行：

>>> f = codecs.open(filename, 'r3', encoding='utf-8')
>>> line = f.readline()
>>> len(f.readlines())
7
>>> len(f.readlines())
71

解决方法是不要混合.readline()和.readlines()：

f = codecs.open(filename, 'r3', encoding='utf-8')
data_f = f.readlines()
names_f = data_f.pop(0).split(' ')  # take the first line.

这种行为确实是一个错误；Python 开发人员知道这一点，请参阅issue 8260。

另一种选择是使用io.open()而不是codecs.open(); 该io库是 Python 3 用来实现内置open()函数的库，并且比codecs模块更加健壮和通用。