本教程詳細介紹了如何使用python編寫一個函數(shù)，實現(xiàn)將文本文件中的內(nèi)容按詞拆分，并將每個詞逐行寫入到另一個新文件中。文章涵蓋了文件讀寫、字符串處理的關鍵技巧，并提供了健壯的代碼示例，旨在幫助讀者高效處理文本數(shù)據(jù)，避免常見錯誤，確保程序穩(wěn)定運行。
在日常的數(shù)據(jù)處理任務中，我們經(jīng)常需要對文本文件進行操作，例如提取其中的詞語、統(tǒng)計詞頻等。本教程將重點講解如何編寫一個python函數(shù)，該函數(shù)能夠讀取一個文本文件，將其內(nèi)容按詞語進行拆分，并將每個詞語單獨寫入到另一個新的文件中，每個詞占據(jù)一行。
核心功能實現(xiàn)：words_from_file 函數(shù)詳解
我們的目標是創(chuàng)建一個名為 words_from_file(filename1, filename2) 的函數(shù)。其中，filename1 是輸入文件的路徑，filename2 是輸出文件的路徑。
函數(shù)定義與參數(shù) 函數(shù)簽名清晰地表明了其功能和所需參數(shù)：
def words_from_file(filename1, filename2): # 函數(shù)體
文件操作的正確姿勢 在Python中處理文件時，推薦使用 with open(…) as …: 語句。這種方式能夠確保文件在使用完畢后自動關閉，即使發(fā)生錯誤也能正確釋放資源，避免文件句柄泄露。
逐行讀取與詞語拆分 從輸入文件讀取內(nèi)容時，我們通常會逐行讀取。對于每一行文本，我們需要將其拆分成獨立的詞語。Python的字符串方法 split() 是實現(xiàn)這一功能的理想選擇。當不帶參數(shù)調(diào)用 split() 時，它會根據(jù)任意空白字符（空格、制表符、換行符等）進行拆分，并返回一個詞語列表。
for line in f: # 逐行讀取輸入文件 words = line.split() # 將當前行拆分成詞語列表
逐詞寫入與換行 獲取到詞語列表后，我們需要遍歷這個列表，并將每個詞語寫入到輸出文件中。為了實現(xiàn)“每個詞語單獨一行”的要求，我們寫入每個詞后需要手動添加一個換行符 n。
for word in words: g.write(word + 'n') # 寫入詞語并添加換行符
錯誤處理 文件操作可能會遇到各種問題，最常見的就是文件不存在（FileNotFoundError）。為了程序的健壯性，我們應該捕獲并處理這類異常。使用 try…except FileNotFoundError: 可以精確地捕獲文件未找到的錯誤，并給出友好的提示。
try: # 文件讀寫操作 except FileNotFoundError: print("錯誤：文件未找到。請檢查輸入文件路徑是否正確。") except Exception as e: # 捕獲其他可能的異常 print(f"發(fā)生未知錯誤：{e}")
完整代碼示例
結合上述所有部分，words_from_file 函數(shù)的完整實現(xiàn)如下：
def words_from_file(filename1, filename2): """ 讀取指定文本文件，將其內(nèi)容按詞語拆分，并將每個詞語逐行寫入到另一個新文件中。 參數(shù): filename1 (str): 輸入文件的路徑。 filename2 (str): 輸出文件的路徑。 """ try: # 打開輸入文件進行讀取 (read mode 'r') with open(filename1, 'r', encoding='utf-8') as f: # 打開輸出文件進行寫入 (write mode 'w') # 注意：輸出文件在外部循環(huán)打開一次，避免重復打開關閉 with open(filename2, 'w', encoding='utf-8') as g: for line in f: # 逐行讀取輸入文件 words = line.split() # 將當前行拆分成詞語列表 (默認按空白字符拆分) for word in words: g.write(word + 'n') # 寫入詞語并添加換行符 print(f"文件 '{filename1}' 已成功處理，結果已寫入 '{filename2}'。") except FileNotFoundError: print(f"錯誤：文件 '{filename1}' 未找到。請檢查輸入文件路徑是否正確。") except Exception as e: print(f"處理文件時發(fā)生未知錯誤：{e}")
關鍵點解析與注意事項
-
輸出文件的打開位置： 在提供的錯誤代碼示例中，輸出文件 g 在內(nèi)部循環(huán) for lines in f: 中被反復以寫入模式 ‘w’ 打開。這意味著每處理一行輸入，輸出文件就會被清空并重新寫入，導致最終只保留最后一行處理的結果。正確的做法是將輸出文件的打開操作放在外部 with open 塊中，確保它只被打開一次，并在整個處理過程中保持打開狀態(tài)。本教程中的代碼已修正此問題。
-
字符與詞語的區(qū)別： 原始代碼中的 for word in lines: 實際上是遍歷字符串 lines 中的每一個字符，而不是詞語。例如，如果 lines 是 “hello world”，for word in lines: 會依次得到 ‘h’, ‘e’, ‘l’, ‘l’, ‘o’, ‘ ‘, ‘w’, ‘o’, ‘r’, ‘l’, ‘d’。而 line.split() 會得到 [‘hello’, ‘world’]。這是實現(xiàn)詞語拆分的根本區(qū)別。
立即學習“Python免費學習筆記（深入）”；
-
異常處理的精確性： 避免使用裸露的 except: 語句，因為它會捕獲所有類型的異常，包括一些你可能不希望捕獲的系統(tǒng)級錯誤，使得調(diào)試變得困難。推薦使用具體的異常類型，如 FileNotFoundError，以提高代碼的可讀性和可維護性。同時，可以添加一個通用的 except Exception as e: 來捕獲其他未預料到的錯誤，并打印詳細信息。
-
文件編碼： 在打開文件時，明確指定 encoding=’utf-8′ 是一個好習慣，尤其是在處理包含非ASCII字符（如中文、日文等）的文本文件時，可以有效避免亂碼問題。
如何使用
為了測試上述函數(shù)，我們可以創(chuàng)建一些虛擬文件：
1. 創(chuàng)建一個輸入文件 input.txt：
這是一個示例文本文件。 它包含多行文字，用于測試詞語拆分功能。
2. 運行Python代碼：
# 創(chuàng)建一個虛擬的輸入文件 with open('input.txt', 'w', encoding='utf-8') as f: f.write("這是一個示例文本文件。n") f.write("它包含多行文字，用于測試詞語拆分功能。n") # 調(diào)用函數(shù)進行處理 words_from_file('input.txt', 'output.txt') # 驗證輸出文件內(nèi)容 print("n--- output.txt 內(nèi)容 ---") try: with open('output.txt', 'r', encoding='utf-8') as f_out: print(f_out.read()) except FileNotFoundError: print("輸出文件 'output.txt' 未生成或未找到。")
預期 output.txt 內(nèi)容：
這 是 一個 示例 文本 文件。 它 包含 多行 文字， 用于 測試 詞語 拆分 功能。
總結
通過本教程，我們學習了如何編寫一個健壯的Python函數(shù) words_from_file，用于將文本文件按詞語拆分并逐行寫入新文件。這包括了正確的文件讀寫模式、高效的字符串處理方法 split()、以及重要的異常處理機制。掌握這些技能將有助于您更有效地進行Python文本數(shù)據(jù)處理。在實際應用中，您可以進一步擴展此函數(shù)，例如添加詞語規(guī)范化（小寫化、去除標點）、過濾停用詞等功能，以滿足更復雜的文本分析需求。
