Python文件大小与数组不同

另一个python问题。。。我正在编写一个脚本，它扫描一系列文本文件，并计算文本中四联图的相对频率（请参阅）。此代码的目的是集成到自动替换密码解算器中

我的代码似乎在工作——它正确地扫描了所有的文本行，并进行了适当的计算。我遇到的问题是将数组保存到文件中，然后重新加载它。假设字母表为26个字符（A-Z），则四字图数组应为26^4=456976，因此生成的文件大小应为456976字节。然而，我的代码似乎创建了一个456972字节的文件，这个文件太小了4个字节。我的第一个想法是写字节的循环上的索引问题，但是注释掉的print语句告诉我循环似乎执行了正确的次数

谁能给我指一下正确的方向吗？谢谢

代码：

编辑：这是我用来计算文件长度的代码。。。也许错误就在这里？这就是我得到数据的地方。如果我循环到len（tetrastring），那么在加载数组时会出现索引错误

fp = open(tetrafile)
tetrastring = fp.read()
fp.close()

print(len(tetrastring))

---

该问题可能是由unicode字符偏离长度测量值引起的。unicode字符串上的len（）函数提供组合字符后的代码点数量（例如“umlaut”和“O”，它们一起算作单个字符）。A也可以解释四字节的差异

---

发布代码中的

u'.join（）

提示unicode问题可能是长度测量差异的根源。

文件中是否缺少任何内容？通过检查。4字节是一个非常小的差异，所以它只能是1个字符，真的。或者什么都没有。没有什么明显的-但很难说。。。因为像“aaaa”和“zzzz”这样的四字图在普通文本中几乎找不到，所以文件的开头和结尾都是一堆零。如果我在十六进制编辑器中查看该文件，那么它看起来是正确的，但我无法判断其中是否有小偏移量。我已经对读取输入并测试的循环进行了注释。它在这里工作：-rw-rw-r--1个用户456976 Dec 17 20:59 tetra.log。在Ubuntu 12.04.3中使用python 3.2.3运行此代码时，会生成一个456976字节的输出文件。也许你遇到问题的代码不是这样的？不。。。它也很好。。。它打印456976，但输出文件是以字节编码的所有数字，而不是unicode。我认为这一点都不相关。好吧，他不是以二进制模式打开文件。。。在你的第二个程序中尝试使用fp=open（tetrafile，“rb”）是的，他是：

fp=open（outfile，“wb”）

对不起，在验证长度的程序中，我还没有看到编辑。你可能是对的。如果问题是测量程序将事物误解为真正二进制的unicode，那么这个答案可能是正确的。不过，这或许应该更清楚一点。

fp = open(tetrafile)
tetrastring = fp.read()
fp.close()

print(len(tetrastring))