最近Python处理数据的一些心得（一）

2019独角兽企业重金招聘Python工程师标准>>>

坑一：

        Python的字符编码一直是个大问题，特别是做中文的数据处理的时候经常匹配不上，为了能让编码尽量少出花样，我还特意连系统都刷了，刷成了英文版的win8，可是编码依然没有很听话。后来还是群里的一位大神轻描淡写的一句话，开头要用GB2312...

        详细的说，就是之前写习惯了，每段程序开始之前习惯了写这个东西：

# -*- coding: utf-8 -*-

        曾经一直以为UTF-8是最包罗万象的编码，没有之一，但是这次就被坑了，因为数据内容全是在网站上爬下来的数据，基本除了数字全是中文，所以，还是用GB2312好一点儿。就是说，开头这样写：

# -*- coding: gb2312 -*-

坑二：

        我也不知道怎么处理的，两行数据处理以后变成了三行数据，而且第三行数据跟第二行数据还差不太多，这个问题真是愁死我了。后来，在邱神的指导下，输出了一下三行数据，发现第三行居然是个逗号，可是为什么原来第三行只有个逗号，处理后却又数据内容呢？因为我是用循环做的，先是读入了个字符串line，然后匹配line字符串，匹配出来的字符串分别命名成其他的东西。结果虽然第三行读入的只是个逗号，但是其他字符串是有内容的，有些恰好可以匹配上，所以就出现了这种情况。因为要处理的字符串肯定很长，所以干错设定，当line长度大于10时才开始处理，后来想想不放心，万一有十个逗号呢，所以改成在处理完一次循环以后，对所有的中间变量字符串进行格式化，清理它们的内容，然后就没问题了

        这个例子告诉我们，程序员要养成及时扔垃圾的习惯，只有这样才能重视析构的作用，呵呵哒了...

坑三

转载于:https://my.oschina.net/moonrain/blog/540467