python实现文本文件合并


            python合并文本文件示例代码。

python实现两个文本合并



employee文件中记录了工号和姓名



cat employee.txt:





100 Jason Smith

200 John Doe

300 Sanjay Gupta

400 Ashok Sharma







bonus文件中记录工号和工资



cat bonus.txt:





100 $5,000

200 $500

300 $3,000

400 $1,250





要求把两个文件合并并输出如下, 处理结果:







400 ashok sharma $1,250



100 jason smith $5,000

200 john doe $500

300 sanjay gupta $3,000







这个应该是要求用shell来写的，但我的shell功底不怎么样，就用python来实现了

注意，按题目的意思，在输出文件中还需要按照姓名首字母来排序的





#! /usr/bin/env python

 

#coding=utf-8

fp01=open("bonus.txt","r")

a=[]

for line01 in fp01:

a.append(line01)

fp02=open("employee.txt","r")

fc02=sorted(fp02,key=lambda x:x.split()[1])

for line02 in fc02:

i=0

while line02.split()[0]!=a[i].split()[0]:

i+=1

print "%s %s %s %s" % (line02.split()[0],line02.split()[1],line02.split()[2],a[i].split()[1])

fp01.close()

fp02.close()





我们再来看一段同样功能的 代码





# coding gbk 

# 

# author: GreatGhoul 

# email : greatghoul@gmail.com 

# blog : http://greatghoul.javaeye.com 

  

import sys,os,msvcrt 

  

def join(in_filenames, out_filename): 

  out_file = open(out_filename, 'w+') 

    

  err_files = [] 

  for file in in_filenames: 

    try: 

      in_file = open(file, 'r') 

      out_file.write(in_file.read()) 

      out_file.write('\n\n') 

      in_file.close() 

    except IOError: 

      print 'error joining', file 

      err_files.append(file) 

  out_file.close() 

  print 'joining completed. %d file(s) missed.' % len(err_files) 

  print 'output file:', out_filename 

  if len(err_files) > 0: 

    print 'missed files:' 

    print '--------------------------------' 

    for file in err_files: 

      print file 

    print '--------------------------------' 

  

if __name__ == '__main__': 

  print 'scanning...' 

  in_filenames = [] 

  file_count = 0 

  for file in os.listdir(sys.path[0]): 

    if file.lower().endswith('[all].txt'): 

      os.remove(file) 

    elif file.lower().endswith('.txt'): 

      in_filenames.append(file) 

      file_count = file_count + 1 

  if len(in_filenames) > 0: 

    print '--------------------------------' 

    print '\n'.join(in_filenames) 

    print '--------------------------------' 

    print '%d part(s) in total.' % file_count 

    book_name = raw_input('enter the book name: ') 

    print 'joining...' 

    join(in_filenames, book_name + '[ALL].TXT') 

  else: 

    print 'nothing found.' 

  msvcrt.getch()



最后我们再来看一个小编遇到的情况：

今天汇编的时候在阿甘的博客里面看到了一部小说《疯狂的程序员》，于是网上搜了下准备放到手机里闲时看看，无奈下载后发现是分章节的txt文本，一共有87个文件，考虑到阅读起来不是很方便，于是想找个现成的工具合并txt文本。



结果尝试了几个工具后觉得合并效果都不给力啊，于是打算自己动手。其实cmd的命令"type *.txt >> crazy-programmer.txt"还是很有效果的，然而合并后的txt文件却十分庞大，所以我还是自己写了一个脚本完成了合并。



说明：由于我下载的87个txt文件的字符编码格式都不统一，所以我用chardet模块判断字符编码类型后再用codecs模块的codecs.open功能解决了编码问题。如果直接用file的open打开txt文件的话，在UCS-2 Little Endian的编码情况下，file.read()遇到中文的冒号(即“：”)后会无法读取冒号以后的内容，所以需要用codecs.open(path,'r',encoding)来解决。



如果还有问题可以留言，代码如下：







#!coding: cp936 

import codecs, chardet 

 

def fileopen(filename): 

  f = open(filename, 'r') 

  s = f.read() 

  if(chardet.detect(s)['encoding'] == 'UTF-16LE'): 

    f.close() 

    f = codecs.open(filename, 'r', 'utf-16-le')     

    data = f.read().encode('gb2312', 'ignore') 

    f.close() 

  elif(chardet.detect(s)['encoding'] == 'GB2312'): 

    data = s 

    f.close() 

  return data 

 

i = 1 

while i <=87: 

  if(i < 10): 

    filename = '0'+str(i)+'.txt' 

  else: 

    filename = str(i)+'.txt' 

  text = fileopen(filename) 

  file('crazy-p.txt', 'a+').write(text) 

  i = i+1 





其中，chardet模块需要下载安装，脚本还可以改进以适应更多种情况，我就懒了。