本文詳細介紹了如何使用python編寫一個函數，實現從指定文本文件中讀取內容，將其拆分為獨立的單詞，并將每個單詞作為單獨的一行寫入到另一個新的文件中。教程涵蓋了文件操作、字符串處理及錯誤處理的最佳實踐，旨在提供一個高效、可靠的文本處理方案。
核心功能：單詞提取與寫入
在文本處理任務中，將一段文本拆分為獨立的單詞是常見的操作。本節將介紹如何實現一個python函數 words_from_file(filename1, filename2)，該函數接收兩個文件名作為參數：filename1 是輸入文件的路徑，filename2 是輸出文件的路徑。函數的目標是將 filename1 中的所有文本內容按單詞拆分，并將每個單詞單獨寫入 filename2 的一行。
以下是實現此功能的優化代碼：
def words_from_file(filename1, filename2): """ 讀取指定文件中的文本，將其拆分為單詞，并將每個單詞逐行寫入到另一個新文件。 Args: filename1 (str): 輸入文件的路徑。 filename2 (str): 輸出文件的路徑。 """ try: # 以只讀模式打開輸入文件 with open(filename1, 'r') as f_input: # 以寫入模式打開輸出文件。注意：'w' 模式會覆蓋現有文件。 with open(filename2, 'w') as f_output: # 逐行讀取輸入文件 for line in f_input: # 使用 split() 方法將當前行拆分為單詞列表 # 默認情況下，split() 會按任意空白符（空格、制表符、換行符等）分割字符串， # 并移除空字符串（例如，多個連續空格只會產生一個分隔符）。 words = line.split() # 遍歷當前行的所有單詞 for word in words: # 將每個單詞寫入輸出文件，并在其后添加一個換行符 f_output.write(word + 'n') except FileNotFoundError: print(f"錯誤：文件 '{filename1}' 未找到。請檢查文件路徑是否正確。") except Exception as e: print(f"發生未知錯誤：{e}")
代碼解析
- 函數定義: def words_from_file(filename1, filename2): 定義了一個接受兩個字符串參數（文件路徑）的函數。
- 異常處理: try…except FileNotFoundError: 結構用于捕獲文件未找到的常見錯誤，增強了程序的健壯性。同時添加了 except Exception as e 以捕獲其他潛在的運行時錯誤。
- 文件打開與關閉:
- with open(filename1, ‘r’) as f_input: 以只讀模式（’r’）打開輸入文件。
- with open(filename2, ‘w’) as f_output: 以寫入模式（’w’）打開輸出文件。重要提示： w 模式會清空文件內容，如果文件不存在則創建新文件。如果需要追加內容而不是覆蓋，應使用 ‘a’ 模式。
- with 語句確保文件在使用完畢后（無論是否發生異常）都會被正確關閉，避免資源泄露。
- 逐行讀取: for line in f_input: 循環遍歷輸入文件的每一行。
- 單詞拆分: words = line.split() 是關鍵一步。str.split() 方法用于將字符串按指定分隔符（默認為任意空白字符）拆分為一個單詞列表。例如，”Hello worldn”.split() 會得到 [‘Hello’, ‘world’]。
- 逐詞寫入: for word in words: 循環遍歷當前行拆分出的每個單詞。
- f_output.write(word + ‘n’) 將每個單詞寫入輸出文件，并在單詞后添加一個換行符（n），確保每個單詞占據一行。
原代碼分析與改進點
原始代碼中存在幾個關鍵問題，導致其無法正確實現預期功能：
-
輸出文件重復打開與覆蓋:
- 原代碼在處理輸入文件的每一行時，都會重新打開輸出文件 filename2 (with open(filename2, ‘w’) as g:). 由于 ‘w’ 模式會清空文件內容，這意味著每次循環都會清空之前寫入的內容，最終 filename2 只會包含輸入文件最后一行拆分出的單詞。
- 改進: 優化后的代碼將輸出文件的打開操作 (with open(filename2, ‘w’) as f_output:) 放在了讀取輸入文件循環的外部，確保輸出文件只被打開和清空一次，之后所有單詞都連續寫入。
-
誤將行迭代為字符:
立即學習“Python免費學習筆記（深入）”；
- 原代碼中的 for word in lines: 實際上是遍歷字符串 lines 中的每一個字符，而不是單詞。例如，如果 lines 是 “Hello World”, word 會依次是 ‘H’, ‘e’, ‘l’, ‘l’, ‘o’, ‘ ‘, ‘W’, ‘o’, ‘r’, ‘l’, ‘d’。
- 改進: 優化后的代碼使用 words = line.split() 將一行文本正確地拆分為單詞列表，然后 for word in words: 循環遍歷的是真正的單詞。
-
寫入時未添加換行符:
- 原代碼使用 g.writelines(word)。writelines() 方法通常用于寫入一個字符串列表，每個字符串會直接連接。如果 word 是一個字符（如原代碼中那樣），它會一個接一個地寫入，而不會自動添加換行符。
- 改進: 優化后的代碼使用 f_output.write(word + ‘n’)，顯式地在每個單詞后添加 n，確保每個單詞獨占一行。
使用示例
為了演示 words_from_file 函數的用法，我們創建一個示例輸入文件，并調用該函數。
1. 創建示例輸入文件 (input.txt)
這是一個示例文本文件。 它包含多行內容， 用于測試單詞提取功能。
將上述內容保存為 input.txt。
2. 調用函數
# 假設你的python腳本和 input.txt 在同一個目錄下 input_file = "input.txt" output_file = "output_words.txt" words_from_file(input_file, output_file) print(f"單詞已成功從 '{input_file}' 提取并寫入到 '{output_file}'。") # 驗證輸出內容（可選，手動檢查 output_words.txt 文件） # with open(output_file, 'r', encoding='utf-8') as f: # print("n--- 輸出文件內容 ---") # print(f.read())
3. 檢查輸出文件 (output_words.txt)
運行上述代碼后，output_words.txt 文件將被創建（或覆蓋），其內容應如下所示：
這是一個 示例文本文件。 它包含 多行內容， 用于測試 單詞提取功能。
注意事項與最佳實踐
- 文件模式: 確保正確選擇文件打開模式。’r’ (讀取), ‘w’ (寫入，會覆蓋), ‘a’ (追加), ‘b’ (二進制模式) 等。
- with 語句: 始終使用 with open(…) 語句處理文件，它能確保文件在使用完畢后自動關閉，即使在處理過程中發生錯誤也能正確釋放資源。
- 編碼: 在處理包含非ASCII字符（如中文）的文本文件時，建議在 open() 函數中明確指定 encoding 參數，例如 encoding=’utf-8’，以避免亂碼問題。
- split() 的靈活性: str.split() 默認按空白符分割。如果需要按特定字符（如逗號、分號）分割，可以將其作為參數傳遞，例如 line.split(‘,’)。
- 錯誤處理: 除了 FileNotFoundError，還可以考慮捕獲其他潛在的 IOError 或 PermissionError，以使程序更加健壯。
- 大文件處理: 對于非常大的文件，逐行讀取（如 for line in f_input:）是內存效率較高的方法，因為它不會一次性將整個文件加載到內存中。
總結
本文詳細闡述了如何通過Python編寫一個高效且健壯的函數，實現從文本文件中提取單詞并將其逐行寫入新文件的功能。通過對原始代碼問題的分析與改進，我們強調了正確的文件操作模式、with 語句的使用、str.split() 方法的正確應用以及必要的錯誤處理機制。掌握這些基本的文件處理技巧，將有助于你在日常的文本數據處理任務中編寫出更加可靠和高效的Python代碼。
