这个处理.csv的Python程序有什么问题？

Question

我有一个文本文件，里面列了一些字符串。

我想在一个.csv文件中查找那些以这些字符串开头的行，然后把它们放到一个新的.csv文件里。

在这个例子中，文本文件叫做'output.txt'，原始的.csv文件叫'input.csv'，而新的.csv文件叫'corrected.csv'。

代码如下：

import csv

file = open('output.txt')
while 1:
    line = file.readline()
    writer = csv.writer(open('corrected.csv','wb'), dialect = 'excel')
    for row in csv.reader('input.csv'):
        if not row[0].startswith(line):
            writer.writerow(row)
    writer.close()
    if not line:
        break
    pass

出现的错误：

Traceback (most recent call last):
File "C:\Python32\Sample Program\csvParser.py", line 9, in <module>
writer.writerow(row)
TypeError: 'str' does not support the buffer interface`

新的错误：

Traceback (most recent call last):
File "C:\Python32\Sample Program\csvParser.py", line 12, in <module>
for row in reader:
_csv.Error: line contains NULL byte

问题是这个CSV文件是用制表符保存的，而不是用逗号，现在的新问题是：

Traceback (most recent call last):
  File "C:\Python32\Sample Program\csvParser.py", line 13, in <module>
    if row[0] not in lines:
IndexError: list index out of range

这个CSV文件有500多个数据条目……这会有影响吗？

Answer 1

你最近遇到的问题：

    if row[0] not in lines:
IndexError: list index out of range

错误信息提到了一个列表索引。
这里提到的索引只有一个可能，就是 0。
如果 0 超出了范围，那就说明 len(row) 必须是零。
如果 len(row) 是零，那输入文件中对应的那一行就一定是空的。
如果输入文件中的一行是空的，你想怎么处理呢：

(a) 完全忽略这一行输入？
(b) 报一个（致命的）错误？
(c) 在某个地方记录一个错误信息，然后继续？
(d) 其他的处理方式？

Answer 2

这个 csv.reader 不能直接打开文件，它需要一个文件对象。更好的解决办法是这样的：

import csv

lines = []
with open('output.txt', 'r') as f:
    for line in f.readlines():
        lines.append(line[:-1])

with open('corrected.csv','w') as correct:
    writer = csv.writer(correct, dialect = 'excel')
    with open('input.csv', 'r') as mycsv:
        reader = csv.reader(mycsv)
        for row in reader:
            if row[0] not in lines:
                writer.writerow(row)

Answer 3

如果你查看一下文档，你会看到reader是这样初始化的：

spamReader = csv.reader(open('eggs.csv', 'r'), ...

注意到open('eggs.csv', 'rb')这部分吗？你在第9行没有传入一个file句柄，所以str被当作文件句柄来处理，这就导致了错误。

把第9行替换成这样：

csv.reader(open('input.csv', 'r', newline = ''))