file.tell() 不一致

问题描述：

有人知道为什么当你以这种方式迭代文件时：

输入：

f = open('test.txt', 'r')
for line in f:
    print "f.tell(): ",f.tell()

输出：

f.tell(): 8192
f.tell(): 8192
f.tell(): 8192
f.tell(): 8192

我总是从 tell() 获得错误的文件索引，但是，如果我使用 readline，我会获得 tell() 的适当索引：

输入：

f = open('test.txt', 'r')
while True:
    line = f.readline()
    if (line == ''):
        break
    print "f.tell(): ",f.tell()

输出：

f.tell(): 103
f.tell(): 107
f.tell(): 115
f.tell(): 124

顺便说一下，我正在运行 python 2.7.1。

解决方案 1：

使用打开的文件作为迭代器会使用预读缓冲区来提高效率。因此，当您循环遍历行时，文件指针会在文件中大步前进。

来自文件对象文档：

为了使 for 循环成为循环遍历文件行（一种非常常见的操作）的最有效方法，该next()方法使用隐藏的预读缓冲区。由于使用预读缓冲区，next()与其他文件方法（如readline()）结合使用无法正常工作。但是，使用seek()将文件重新定位到绝对位置将刷新预读缓冲区。

如果需要依赖.tell()，请不要将文件对象用作迭代器。您可以改为将其转换.readline()为迭代器（但会损失一些性能）：

for line in iter(f.readline, ''):
    print f.tell()

这使用iter()函数 sentinel参数将任何可调用函数转换为迭代器。

解决方案 2：

答案在于 Python 2.7 源代码的以下部分（fileobject.c）：

#define READAHEAD_BUFSIZE 8192

static PyObject *
file_iternext(PyFileObject *f)
{
    PyStringObject* l;

    if (f->f_fp == NULL)
        return err_closed();
    if (!f->readable)
        return err_mode("reading");

    l = readahead_get_line_skip(f, 0, READAHEAD_BUFSIZE);
    if (l == NULL || PyString_GET_SIZE(l) == 0) {
        Py_XDECREF(l);
        return NULL;
    }
    return (PyObject *)l;
}

如您所见，file的迭代器接口以 8KB 的块为单位读取文件。这解释了为什么f.tell()它会这样运行。

文档表明这样做是出于性能原因（并且不保证预读缓冲区的任何特定大小）。

解决方案 3：

我遇到了相同的预读缓冲区问题，并使用Martijn 的建议解决了它。

从那时起，我就将我的解决方案推广到其他想要做此类事情的人：

https://github.com/loisaidasam/csv-position-reader

祝您 CSV 解析愉快！