慕课小伙伴的一个问题，用python读取文件的指定段落

今天一个购买我课程的小伙伴，问我一个问题，他的问题描述如下：

“需要读取指定arc.data文件，指定某一个关键字符串为起始位置读取（假设指定字符串为“Wxl”），一直读取到指定的关键字符串为结尾（假设为“3Q8”），截取其间内容，并将内容重定向到另外一个文件。”

文件arc.data内容，部分内容如下：

PHRhYmxlIHN0eWxlPSIgY29sb3I6IzNjM2IzYjtmb250LXNpemU6MTRweDsgYm9yZGVyOnNvbGlk

dGQ+PHRkIHN0eWxlPSJiYWNrZ3JvdW5kOiNmZmY7dGV4dC1hbGlnbjpsZWZ0OyI+RndkOnRlc3Q8

L3RkPiAgPC90cj48dHI+PHRkIHN0eWxlPSJ3aWR0aDoxMDBweDsgb3ZlcmZsb3c6aGlkZGVuOyB0

ZXh0LWFsaWduOmNlbnRlcjsgZm9udC1zaXplOjEycHg7Zm9udC13ZWlnaHQ6NjAwO2JhY2tncm91

bmQ6I2Y1ZjVmNTsiPuaUtuS7tuS6uu+8mjwvdGQ+PHRkIHN0eWxlPSJiYWNrZ3JvdW5kOiNmZmY7

dGV4dC1hbGlnbjpsZWZ0OyI+PGEgaHJlZj0iIyI+cG9zdG1hc3RAcm9vdDwvYT48L3RkPjwvdHI+

ICA8dHI+ICAgIDx0ZCBzdHlsZT0id2lkdGg6MTUwcHg7IG92ZXJmbG93OmhpZGRlbjsgZm9udC13

对于这个问题，Jeson觉得同学们需要重点掌握内容有如下两部分。

第一，需要了解open() 函数对于文件的处理，

file 对象方法方法如下：

file.read([size]) size未指定则返回整个文件,如果文件大小>2倍内存则有问题.f.read()读到文件尾时返回""(空字串)

file.readline() 返回一行

file.readlines([size]) 返回包含size行的列表,size 未指定则返回全部行

for line in f: print line #通过迭代器访问

f.write("hello\n") #如果要写入字符串以外的数据,先将他转换为字符串.

f.tell() 返回一个整数,表示当前文件指针的位置(就是到文件头的比特数).

f.seek(偏移量,[起始位置]) 用来移动文件指针.

偏移量:单位:比特,可正可负

起始位置:0-文件头,默认值;1-当前位置;2-文件尾

f.close() 关闭文件

第二，对于文件的读取思路类比

Jeson老师觉得，我们可以想象成对于一串字符串的读取，假设字符串“abcdefg”,我们要读取c到f中间位置的数据，改如何读取？

abcdefg

答：

（1）我们分别把f的位置读取到，再把c的位置读取到。

f所在的文件指针位置为5，c所在的文件指针位置为2，那么如下：

f所在的文件指针位置-c琐杂的文件指针=5-2=共需要读取的长度。

（2）然后调用seek()定位到c所在的文件指针位置，read()所需要的长度。

所以，综上所属，略写了一个函数如下：

In [35]: def readfiles_pos(start_key_chr,start_key_w,start_key_len):

...: f = open('./arc.data','r')

...: while True:

...: r_cnt = f.read(1)

...: if r_cnt == start_key_chr:

...: r2_cnt = f.read(int(start_key_len)-1)

...: if r2_cnt == start_key_w[1:]:

...: return f.tell()

...: break

新定义的函数readfiles_pos()，作用用于读取指定关键字，所在文件中的指针位置，并返回值。

需要传入的参数，定义如下：start_key_w为需要查找的关键字内容，start_key_chr为需要查找的关键字内容的首字母，start_key_len为关键字内容的长度。

接下来，演示下执行调用过程：

// 查找起始字符串“Wxl”读取完后的位置，调用如下：

In [35]: readfiles('W','Wxl',3)

Out[35]: 16

// 查找结束字符串“3Q8”的位置，调用如下：

In [27]: readfiles('3','3Q8',3)

Out[27]: 1480

// 结束字符串“3Q8”的位置 - 起始字符串“Wxl”的位置 - 结束字符串“3Q8”的长度

In [32]: 1480-16-3

Out[32]: 1461

// 调用seek()，将文件读取指针定位到起始字符串“Wxl”读取完后的位置，如下：

In [33]: f.seek(16)

// 读取指定长度,结果如下：

In [34]: f.read(1461)

Out[34]: 'PSIgY29sb3I6IzNjM2IzYjtmb250LXNpemU6MTRweDsgYm9yZGVyOnNvbGlk\r\nIDFwe...

最后，谢谢这位同学，给予我的课程好评，当然也谢谢一直支持Jeson老师的朋友及同学们！