python - 在 python 中使用 f.tell() 索引文件

Question

我正在尝试索引一个巨大的文件，每行包含 5 列。第一列将成为键并且已排序（假设我们只有 17 个）。我想生成一个字典，告诉每个键值的起始位置。所以我要做的是：

fmaps = open('file.txt','r')
pos = fmaps.tell()
ln = fmaps.readline()
chrDict = {ln.split()[0]:pos}



for ln in fmaps:

    if not chrDict.has_key(ln.split()[0]):
           pos = fmaps.tell() 
           chrDict[ln.split()[0]] = pos

但是，当我尝试打开文件并

f = open('file.txt','r')
f.seek(val)
print f.readline()

我看到除了第一个位置是从一开始的 0 字节之外，位置完全偏离了这一点。

有谁知道 for 循环中的迭代对文件中的位置有什么影响？

Answer 1

当使用文件对象作为迭代器时，Python 会进行内部缓冲，这会扭曲tell() 的结果。继续使用 readline 代替。还，

（编辑：哎呀，我第一次没有正确阅读您的问题！）

• 遵循@falsetru 的建议并阅读二进制文件
• 你不需要特例第一次阅读

这应该做的工作：

chrDict = {}
with open('file.txt','rb') as fmaps:
    while True:
        pos = fmaps.tell()
        ln = fmaps.readline()
        if not ln:
            break
        key = ln.split()[0]
        if key not in chrDict:
            chrDict[key] = pos

Answer 2

根据file.tell文件：

注意在 Windows 上，读取具有 Unix 样式行尾的文件时，tell()可能会返回非法值（在 之后）。fgets()使用二进制模式 ( 'rb') 来规避这个问题。

将模式替换'r'为'rb'。