将不同文件夹中的多个文本文件加载到一个文件中并考虑特殊字符

Question

我正在尝试将位于不同文件夹中的多个文本文件读取到一个文件中，并针对奇怪的格式问题进行调整，尤其是读取时的特殊字符。我的输入文件如下所示：cat date        col1               col2              col3x   3/1/2010    " 823,312,356   "" 145,019,711 "" "" 666,666 "" "       x   3/8/2010    " 3,423,115,838  "" 111,422,457 "" "" 311,512 "" "      x   3/15/2010   " 4,117,664,854  ""115,115,141 "" "" 213,550 """        x   3/22/2010    527,337,127    " "" 153,423,891 "" "" 216,365 "" " x   3/29/2010   "459,227,151"   " "" 57,213,333 ""    454,718   x   4/6/2010    "367,221,146"   " "" 72,458,231 """ "264,130"x   4/13/2010        -                 -              $0我需要解决很多奇怪的格式问题。我正在尝试这个：import globread_files = glob.glob(data_path + "*.txt")with open(data_path +"final.txt", "wb") as outfile:    for f in read_files:        with open(f, "rb") as infile:            infile = re.sub(r"[-()\"#@;:<>{}`+=~|.!?,]", "", infile)            outfile.write(infile.read())但我收到一条错误消息，内容如下：类型错误：预期的字符串或类似字节的对象有人遇到过同样的问题吗？

Answer 1

with open(f, "rb") as infile:

    infile = re.sub(r"[-()\"#@;:<>{}`+=~|.!?,]", "", infile)

    outfile.write(infile.read())

首先，打开文件时使用'b'将文件内容视为bytes对象，而不是字符串（类型str）。这不适用于作为字符串给出的正则表达式模式。所以你应该忽略'b'. 由于其余的'r'是打开文件的默认模式，因此您可以完全省略第二个参数open()。

接下来，您将文件对象与文件内容混淆，并且操作顺序错误。

infile.read()读取文件的内容并将其作为字符串返回（当省略 时'b'）。该字符串可以传递给re.sub.

所以正确的顺序是：

with open(f) as infile:

    text = infile.read()

    replaced_text = re.sub(r"[-()\"#@;:<>{}`+=~|.!?,]", "", text)

    outfile.write(replaced_text)