Python：获取字符串索引的行列号？

Question

假设我有一个正在操作的文本文件。内容大概是这样的（希望这不是太难懂）：

data_raw = open('my_data_file.dat').read()
matches = re.findall(my_regex, data_raw, re.MULTILINE)
for match in matches:
    try:
        parse(data_raw, from_=match.start(), to=match.end())
    except Exception:
        print("Error parsing data starting on line {}".format(what_do_i_put_here))
        raise

注意在异常处理器里有一个叫 what_do_i_put_here 的变量。我的问题是：我该怎么给这个变量赋值，这样我的脚本就能打印出我想处理的“坏区域”开始的行号？我不介意重新读取文件，只是不知道该怎么做……

Answer 1

列的索引是从0开始的，所以在你代码的最后，需要从len(sp[-1])中减去1，才能得到正确的列值。此外，如果字符串的长度为0，或者字符串太短，无法满足索引的要求，我建议返回None（而不是“1.1”，因为这也是错误的，应该是“1.0”）。
总的来说，这是一个很棒且优雅的解决方案，Tim。

def index_to_coordinates(txt:str, index:int) -> str:
    """Returns 'line.column' of index in 'txt'."""
    if not txt or len(txt)-1 < index:
        return None
    sp = txt[:index+1].splitlines(keepends=True)
    return (f"{len(sp)}.{len(sp[-1])-1}")

Answer 2

我写了这个代码。虽然还没测试过，而且效率也不高，但它确实能让我的错误信息更清楚一些：

def coords_of_str_index(string, index):
    """Get (line_number, col) of `index` in `string`."""
    lines = string.splitlines(True)
    curr_pos = 0
    for linenum, line in enumerate(lines):
        if curr_pos + len(line) > index:
            return linenum + 1, index-curr_pos
        curr_pos += len(line)

我甚至还没测试过列号是否大致正确。我没有遵循YAGNI原则。

Answer 3

这里有一个更简洁的写法，我觉得比你自己的答案更容易理解：

def index_to_coordinates(s, index):
    """Returns (line_number, col) of `index` in `s`."""
    if not len(s):
        return 1, 1
    sp = s[:index+1].splitlines(keepends=True)
    return len(sp), len(sp[-1])

它的工作原理基本和你的答案一样，但通过使用字符串切片的 splitlines() 方法，实际上可以自动计算出你需要的所有信息，而不需要额外的处理。

使用 keepends=True 是必要的，这样才能正确计算行末字符的数量。

唯一需要注意的额外问题是空字符串的情况，这个可以通过一个简单的保护措施来处理。

我在 Python 3.8 中测试过，但大概从 3.4 版本开始就能正常工作（在一些旧版本中，len() 计算的是代码单元而不是代码点，我猜如果字符串中包含 BMP 以外的字符，可能会出问题）。