Python实现文本文件单词逐行写入的函数指南

本教程详细介绍了如何使用Python编写一个名为words_from_file的函数，该函数能高效地读取指定文本文件，将文件内容按单词进行拆分，并将每个单词独立地写入到另一个新文件中，确保每个单词占据一行。文章涵盖了文件操作、字符串处理以及健壮的错误处理机制。

1. 功能概述与函数定义

在文本处理任务中，我们经常需要将文件内容分解为更小的单元，例如单词。本指南将展示如何创建一个Python函数words_from_file(filename1, filename2)，其核心功能是从filename1指定的输入文件中读取文本，将其中的每个单词提取出来，然后将这些单词逐行写入到filename2指定的新文件中。

2. 核心实现与代码解析

实现此功能的关键在于正确地处理文件读写操作以及字符串的分割。以下是推荐的函数实现：

def words_from_file(filename1, filename2):
"""
读取指定文本文件，将其内容按单词拆分，并将每个单词逐行写入到另一个新文件。
参数:
filename1 (str): 输入文件的路径。
filename2 (str): 输出文件的路径。
"""
try:
# 以只读模式打开输入文件
with open(filename1, 'r', encoding='utf-8') as f_in:
# 以写入模式打开输出文件。注意：'w'模式会清空文件内容，
# 如果文件不存在则创建新文件。
with open(filename2, 'w', encoding='utf-8') as f_out:
# 逐行读取输入文件
for line in f_in:
# 使用split()方法将每行文本分割成单词。
# 默认情况下，split()会根据所有空白字符（空格、制表符、换行符等）进行分割，
# 并移除空字符串。
words = line.split()
# 遍历当前行的所有单词，并逐一写入输出文件
for word in words:
# 将每个单词写入文件，并在其后添加换行符，确保每个单词占据一行
f_out.write(word + '\n')
except FileNotFoundError:
# 捕获文件未找到的异常，并打印友好的错误信息
print(f"错误：文件 '{filename1}' 或 '{filename2}' 未找到。请检查文件路径。")
except Exception as e:
# 捕获其他可能的I/O或运行时错误
print(f"发生未知错误：{e}")

代码解析：

1. 文件打开模式与上下文管理器 (with open(…)):

   • with open(filename1, ‘r’, encoding=’utf-8′) as f_in:: 使用’r’模式以只读方式打开输入文件。推荐指定encoding=’utf-8’以处理各种字符编码，避免乱码。with语句确保文件在操作完成后自动关闭，即使发生错误。
   • with open(filename2, ‘w’, encoding=’utf-8′) as f_out:: 使用’w’模式以写入方式打开输出文件。重要提示： ‘w’模式会在打开时清空文件内容。如果此文件不存在，它会被创建。此行代码被放置在外部循环之外，确保输出文件只被打开和清空一次，从而所有单词都能被写入，而不是每次处理一行时都被覆盖。

2. 逐行读取 (for line in f_in):

   立即学习“Python免费学习笔记（深入）”；

   • 此循环高效地从输入文件中逐行读取内容。

3. 单词分割 (line.split()):

   • words = line.split(): 这是将一行文本拆分为单词的关键步骤。str.split()方法在不带参数时，会根据任意空白字符（空格、制表符、换行符等）进行分割，并自动处理多个连续空白字符的情况，返回一个包含所有单词的列表。

4. 逐词写入 (f_out.write(word + ‘\n’)):

   • for word in words:: 遍历从当前行中提取出的所有单词。
   • f_out.write(word + ‘\n’): 将每个单词写入输出文件。关键在于在单词后添加’\n’（换行符），确保每个单词都独占一行。

5. 错误处理 (try-except):

   • try…except FileNotFoundError: 这是一个最佳实践，用于捕获最常见的错误——文件不存在。当open()函数无法找到指定文件时，会抛出FileNotFoundError。
   • except Exception as e: 捕获其他所有可能发生的异常，提供更健壮的错误处理。

3. 使用示例

假设我们有一个名为 input.txt 的文件，内容如下：

It is a
sample file.
This is another line.

我们可以这样调用函数：

# 创建一个示例输入文件
with open("input.txt", "w", encoding='utf-8') as f:
f.write("It is a\n")
f.write("sample file.\n")
f.write("This is another line.\n")
# 调用函数处理文件
words_from_file("input.txt", "output.txt")
# 验证输出文件内容
print("\n--- output.txt 的内容 ---")
try:
with open("output.txt", "r", encoding='utf-8') as f_out:
print(f_out.read())
except FileNotFoundError:
print("输出文件未生成。")

执行上述代码后，output.txt 文件内容将是：

It
is
a
sample
file.
This
is
another
line.

4. 注意事项与优化

• 原始代码的常见错误: 在原始的问题代码中，with open(filename2, ‘w’) as g: 语句被错误地放置在了读取输入文件行的循环内部。这意味着对于输入文件中的每一行，输出文件filename2都会被重新打开（并被清空），导致最终filename2中只包含输入文件中最后一行的单词。正确的做法是，输出文件应该在所有行处理之前只打开一次，如本教程的示例所示。
• 编码: 始终建议在open()函数中明确指定encoding=’utf-8’，以确保能够正确处理各种语言的字符，避免编码错误。
• 标点符号处理: line.split()默认只根据空白字符分割。如果需要更复杂的单词提取（例如，将”file.”视为”file”），则需要在split()之前或之后进行额外的字符串处理，例如使用str.strip()去除标点符号，或使用正则表达式进行更精细的匹配。
• 大小写统一: 如果需要进行不区分大小写的单词处理，可以在写入前使用word.lower()或word.upper()将单词转换为统一大小写。
• 内存效率: 对于非常大的文件，逐行读取是内存效率较高的方法。如果文件特别巨大，甚至无法一次性读入一行，可以考虑更高级的流式处理或分块读取。
• 输出模式: 如果你希望将单词追加到现有文件而不是覆盖，可以将输出文件的打开模式从’w’改为’a’（append，追加模式）。

5. 总结

words_from_file函数提供了一个简洁而高效的方法来处理文本文件，实现单词的提取和逐行写入。通过理解文件操作的正确模式、字符串分割的机制以及适当的错误处理，我们可以构建出健壮且实用的文本处理工具。在实际应用中，可以根据具体需求进一步扩展此函数，例如添加标点符号过滤、大小写转换等功能。