Python实例分析（一）删除文本中的空行

Python实例分析（一） 删除文本中的空行

老板要做一个项目，需要处理一个词典的txt文档，这个文档大致内容如下：

我们可以轻松总结出，每段内容行首是以方括号“【】”括起的词条，紧接着是汉语拼音，然后是释义。内容与内容之间有空行做间隔。

我们想要将它变成“【词条】汉语拼音”这样的结构，为以后处理做准备。所以第一个任务就是删除空行，第二个任务就是删除释义。

删除空行实现起来比较简单，所以我们先来讲这个。

文档的打开

这部分内容，上次python实例讲过，这次简单回顾一下：

>>> fpth=input("源文件路径：")

源文件路径：/Users/gaoqy/Desktop/source.txt

>>> fpth

'/Users/gaoqy/Desktop/source.txt'

>>>

首先，我们要得到文件路径以便打开它。第一行fpth=input("源文件路径：")这条命令是在窗口显示“源文件路径：”，我们可以输入路径，然后路径会保存到fpth里。当然在cmd或者terminal里，我们可以通过拖拽文件的方式得到其路径，避免手动输入。

第三行，输入fpth，我们查看一下路径是否正确。

>>> f = open(fpth,'r')

>>>f

打开文件，指定为f，属性为只读。然后在输入f，看到文件的属性，包括路径、属性及编码。

文档的读取与判断是否为空行

打开文档之后，我们要读取其中的内容。上次我们用的是readline()，这个方法一次读取一行内容。那这次介绍另外一个方法，readlines()，这个方法将读取所有内容，并将每一行作为一个列表内的一元素。

readlines()

>>> data = f.readlines()

>>> data

我们先用这个方法读取文档f的内容，并赋值给data，然后我么看一下data的内容：

此时data就成了一个列表，里面的每一个元素就是原文中的一行的内容。比如第一个元素就是第一行，第一行为空，显示的就是'\n'；第二个元素就是第二行，显示的是'【吖】...\n' 单引号说明每一元素都是一个字串。

所以我们现在正确的提取了文档的内容，并将每一行作为一个元素，放在了列表data中。下面的逻辑就是，依次判断每个元素内容是否不为空，如果不为空，就说明此行有内容，我们将它写入目标文档中；如果为空，就说明此行是空行，我们不用进行操作，接着判断下一行即可。

因此，最简单的方法就是for循环。（我记得上次有介绍过）

在此之前，先讲一下如何判断是否为空行。我们用到一个新的方法——

split()

split()是用来分割字符串的，通常可以带两个参数，第一个是分割的内容，第二个是分割的次数。如果不填写参数，则默认按照分隔符分割，包括空格、换行符、制表符等。这个方法返回的是分割后的元素组成的列表。

>>> line = "woshiyitiaozifuchuan"

>>> line.split('i',1)

['wosh', 'yitiaozifuchuan']

>>> line.split('i',2)

['wosh', 'y', 'tiaozifuchuan']

>>> line.split('i')

['wosh', 'y', 't', 'aoz', 'fuchuan']

举例说明，定义一个字符串为line，然后我们进行第一次分割，参数分别为'i'和1，然后我们得到了一个列表，两个元素是'wosh' 'yitiaozifuchuan'，说明在第一个i的位置进行了一次分割，以此类推。

>>> line = "woshiyitiaozifuchuan"

>>> line.split()

['woshiyitiaozifuchuan']

>>> line = ''

>>> line.split()

[]

当line为有内容的字符串时，split()方法返回的一定是有元素的列表；当line为空字符串时，split()方法返回的就是空列表。有元素的列表的值为1，空列表的值为0，相当于初中数学中空集∅的意思，如果不理解，就死记硬背吧。

所以拿出data中的一个元素来分割一下，得到非空列表，则将这个元素写入到目标文档；得到空列表就不用管它。

for i insequence

for循环可以遍历字符串或者是列表：

>>> line = "woshiyitiaozifuchuan"

>>> for i in line:

... print(i)

>>> line = ['a','b','c','d']

>>> for i in line:

... print(i)

第一段是遍历字符串的例子，第二段是遍历列表的例子。在两个例子中，每次循环，都将遍历到的元素打印出来，两个结果分别为：

所以我们遍历data列表的命令如下即可。

for line in data:

再次强调一下，python中，循环体是靠缩进来表现的，每个代码块的缩进距离要相同，否则系统会认为切换到另一个代码块。一般我们用tab键来进行缩进即可。(灰色块内的缩进不明显，具体请看截图)

>>> for line in data:

... print(line)

我们遍历一下data看看效果。然后我们再将split()方法加入到for循环体中：

>>> for line in data:

... if line.split():

... print(line)

这样是在我们写入文件之前，先看一下效果。对比后发现，'\n'那些元素已经被剔除掉了。所以现在我们可以将print()换成写入方法writelines()。

最后记得要用close()关闭打开的文件哦。

最终代码：

是不是很简单～

使用效果

源文件

处理完成

我们新手在写代码的时候，经常会遇到各种各样的问题，一定要记得先将重要文件备份，再用来跑代码，其次，每次截取一部分内容出来做测试，如果成功了再处理 真•文本，再者，如果不确定每行代码的结果，可以先逐条逐块地测试，将整个逻辑厘清之后再捏和到一起。