Nano Hash - криптовалюты, майнинг, программирование

Для чего нужен os.linesep?

Модуль Python os содержит значение для строки, разделяющей строку, специфичную для платформы, но в документах прямо указано не использовать ее при записи в файл:

Не используйте os.linesep в качестве разделителя строки при записи файлов, открытых в текстовом режиме (по умолчанию); вместо этого используйте один '\n' на всех платформах.

Документы

Предыдущие вопросы исследовали, почему вы не следует использовать его в этом контексте, но тогда в каком контексте он полезен? Когда следует использовать разделитель строк и для чего?


Ответы:


1

документы прямо говорят не использовать его при записи в файл

Это не точно, в документе сказано, что его нельзя использовать в текстовом режиме.

os.linesep используется, когда вы хотите перебирать строки текстового файла. Внутренний сканер распознает os.linesep и заменяет его одним "\n".

Для иллюстрации мы напишем двоичный файл, который содержит 3 строки, разделенные "\r\n" (разделитель Windows):

import io

filename = "text.txt"

content = b'line1\r\nline2\r\nline3'
with io.open(filename, mode="wb") as fd:
    fd.write(content)

Содержимое бинарного файла:

with io.open(filename, mode="rb") as fd:
    for line in fd:
        print(repr(line))

Примечание: я использовал режим "rb" для чтения файла как двоичного файла.

Я получил:

b'line1\r\n'
b'line2\r\n'
b'line3'

Если я прочитаю содержимое файла в текстовом режиме, например:

with io.open(filename, mode="r", encoding="ascii") as fd:
    for line in fd:
        print(repr(line))

Я получил:

'line1\n'
'line2\n'
'line3'

Разделитель заменяется на "\n".

os.linesep также используется в режиме записи: любой символ «\n» преобразуется в системный разделитель строк по умолчанию: «\r\n» в Windows, «\n» в POSIX и т. д.

С помощью функции io.open вы можете установить разделитель строк так, как хотите.

Пример: как написать текстовый файл Windows:

with io.open(filename, mode="w", encoding="ascii", newline="\r\n") as fd:
    fd.write("one\ntwo\nthree\n")

Если вы читаете этот файл в текстовом режиме следующим образом:

with io.open(filename, mode="rb") as fd:
    content = fd.read()
    print(repr(content))

Вы получаете:

b'one\r\ntwo\r\nthree\r\n'
28.06.2016

2

Как вы знаете, чтение и запись файлов в текстовом режиме в python преобразует разделитель строк, зависящий от платформы, в '\n' и наоборот. Но если вы читаете файл в двоичном режиме, преобразования не происходит. Затем вы можете явно преобразовать окончания строк, используя string.replace(os.linesep, '\n'). Это может быть полезно, если файл (или поток, или что-то еще) содержит комбинацию двоичных и текстовых данных.

28.06.2016
  • Это не сработает, если кодировка несовместима с ascii. len('\n'.encode('utf-16')) равно 4 28.06.2016
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..