开篇
当我们刚刚开始学习处理大量的文本数据的时候,总是会在读取数据这一块出现卡壳,尤其是像我这种根本没有任何指导的小白,千里之行刚刚迈出第一步就宣告结束了,这种情况往往出现在我们自己爬取的一些网络文本,一般是TXT文件。下面就让我们看看具体怎么解决这样的问题。
读取文本数据
这边我们主要讲关于文本的读取,涉及到二进制文件的读取就不多提了。首先让我们看看,正常的情况下,我们是怎么样去读取一个文本数据的。
# Read the entire file as a single string
with open('somefile.txt', 'rt') as f:
data = f.read()
# Iterate over the lines of the file
with open('somefile.txt', 'rt') as f:
for line in f:
# process line
...
我想这是大部分人开始接触文本处理的时候,最