Python：遍历文件中的行

我试图使用python迭代两个文件，每个文件中有多行。我想做的是，将两个文件中的每一行分解成单词，然后将“query”文件中当前行中的每个单词与“tweet”文件中当前行中的每个单词进行比较。以上是我到目前为止所做的，但它只适用于查询文件中的第一行，并跳过了其中的其余行。它确实适用于tweet文件中的每一行。有什么帮助吗

---

编辑重复注释：我知道在迭代查询文件之后，文件句柄将定位在EOF。但是我不明白为什么它不处理查询文件中的下一行，而直接转到EOF。

本质上，发生的是，您在查看另一个文件中的第一行的同时，遍历了一个文件中的所有行。您不能在下一次迭代中遍历这些行，因为您已经读出了它们

这样做：

queries = open(sys.argv[1],"rU")
tweets = open(sys.argv[2],"rU")
for query in queries:
    for tweet in tweets:
        query_words = query.split()
        tweet_words = tweet.split()
        for qword in query_words:
            for tword in tweet_words:
               #Comparison

---

问题是，在遍历文件的每一行之后，您处于

EOF

。您必须再次打开它，或者在读取或迭代到下一行之前，确保每一行都按预期进行了处理（在您的示例中是拆分和比较的）。在您的示例中，由于文件

tweets

在

query

的第一次迭代后处于

EOF

，因此文件

querys

“跳过”到

EOF

开始第二次迭代，这仅仅是因为嵌套循环中没有更多的

tweet

可以迭代

此外，尽管垃圾收集为您处理文件关闭，但显式关闭每个打开的文件仍然是更好的做法

---

请参阅以进行修改。

使用函数文件.readline（）而不是执行类似的循环

mirosval提供了一个更简单的答案，使用他的

考虑使用：

---

您希望为第一个文件的每一行迭代第二个文件。但看看会发生什么：

• 你打开两个文件
• 开始迭代第一个文件
• 获取第一个文件的第一行
• 迭代第二个文件，直到第二个文件的end=>指针位于EOF
• 您尝试处理第一个文件的第二行
• 第二个文件的指针已经在EOF，您可以立即循环第一个文件的下一行，而无需任何处理

所以，在第一个文件的每次迭代之后，您必须倒带第二个文件。有两种方法可以做到这一点：

• 将第二个文件加载到内存中，作为具有

  readlines

  的行列表，并遍历该列表。因为它是一个列表（而不是一个文件），所以迭代将从第一个位置开始，而不是从当前位置开始

  with open(sys.argv[1],"rU") as queries:
      with open(sys.argv[2],"rU") as tweets:
          for query in queries:
              query_words = query.split()
              for tweet in tweets:
                  tweet_words = tweet.split()
                  for qword in query_words:
                      for tword in tweet_words:
                          #Comparison
              tweets.seek(0) # go back to the start of the file
  

• 使用

  skip

  queries = open(sys.argv[1],"rU")
  tweets_file = open(sys.argv[2],"rU")
  tweets = tweets_file.readlines() # tweets is now a list of lines
  for query in queries:
      for tweet in tweets:
          query_words = query.split()
          tweet_words = tweet.split()
          for qword in query_words:
              for tword in tweet_words:
                 #Comparison
  

---

第一个解决方案只读取第二个文件一次，但占用更多内存。如果第二个文件较小（在最近的机器上小于几百个Mo），则应优先选择该文件。第二个解决方案使用更少的内存，应该优先考虑的是第二个文件是巨大的。。。或者，如果出于任何原因（嵌入式系统，降低脚本的影响…）需要节省内存，则可能需要使用querys.readlines（）和tweets.readlines（）。其工作原理如下：1查询-1推特2查询-2推特。我想做的是：1查询-1推1查询-2推2查询-1推2查询-2推。基本上，在进入下一个查询之前，我想将一个查询与每个tweet进行比较。然后，你可以进行双for循环，现在也可以了，因为我们使用

readlines（）

获得了查询和tweet，所以你可以在这两个查询中重复多次，而不必运行EOFThis works，Thomas解释了为什么会这样做。谢谢你们两个@SajalSharma是的，我认为这是对你来说最好的答案。没问题。：）或者，您可以将数据存储在一个列表中，而不是将tweets文件读取x次（取决于查询文件中的行数），这对您的硬盘驱动器更有利，除非您不能使用太多的RAM。

with open(sys.argv[1],"rU") as queries:
    with open(sys.argv[2],"rU") as tweets:
        for query in queries:
            query_words = query.split()
            for tweet in tweets:
                tweet_words = tweet.split()
                for qword in query_words:
                    for tword in tweet_words:
                        #Comparison
            tweets.seek(0) # go back to the start of the file

queries = open(sys.argv[1],"rU")
tweets_file = open(sys.argv[2],"rU")
tweets = tweets_file.readlines() # tweets is now a list of lines
for query in queries:
    for tweet in tweets:
        query_words = query.split()
        tweet_words = tweet.split()
        for qword in query_words:
            for tword in tweet_words:
               #Comparison

queries = open(sys.argv[1],"rU")
tweets = open(sys.argv[2],"rU")
for query in queries:
    for tweet in tweets:
        query_words = query.split()
        tweet_words = tweet.split()
        for qword in query_words:
            for tword in tweet_words:
               #Comparison
    tweets.seek(0) # explicitely rewind tweets