python 包含汉字的文件读写之每行末尾加上特定字符

在数据挖掘中，原始文件的格式每每是使人抓狂，很重要的一步是对数据文件的格式进行整理。

      最近，接手的项目里，提供的数据文件格式简直让人看不下去，使用pandas打不开，一直是io error.仔细查看，发现文件中不少行数据是以"结尾，然而其余行缺失，于是需求也就很明显了：判断每行的结尾是否有"，没有的话，加上就行了。

采用倒叙的方式好了，毕竟不少人须要的只是一个快速的解决方案，而不是一个why. 解决方案以下：

 1 b = open('b_file.txt', w)
 2 with open('a_file.txt', 'r') as lines:
 3     for line in lines:
 4         line = line.strip()
 5         if not line.endswith(r'"'):
 6             line += r'"'
 7         line += '\n'
 8         b.write(line)
 9 
10 b.close()
11 a.close()

其中整个过程的关键在于

line = line.strip()

　　以前我偷懒，直接使用省去了上面那行，结果在判断条件栽了跟头，程序认为每一行都不是以"结尾：

if not line.endswith(r'"')

硬着头皮试上去，重写：

for line in open(data_path+'heheda.txt', 'r'):
    if not line[-2] == r'"':
        print line
        line = line[:-1] + r'"' + line[-1:]
        print line

      此时判断条件为 if not line[-2] == r'"'，这样才能获得除最后一行以外的正确结果。众所周知的缘由，在windows系统中，文件的回车符是"\r\n"，于是，在没有strip()处理好回车符的时候，须要手动在每一行的结尾前移一个字节进行判断每行的末尾。而对于文件的最后一行，通常状况下不是回车符做为结尾，毕竟不要换行了嘛。于是line[-2]则定位到了最后一个汉字的中间，将\xx\xx，硬写成了\xx"\xx，使得最后一个字显示错误。