python - fileinput.hook_compressed 有时给我字符串，有时给我字节

Question

我正在尝试从多个文件中读取行。有些是 gzip 压缩的，有些是纯文本文件。在Python 2.7中，我一直在使用以下代码并且它有效:

for line in fileinput.input(filenames, openhook=fileinput.hook_compressed):
    match = REGEX.match(line)
    if (match):
        # do things with line...

现在我转移到Python 3.8，它仍然可以正常处理纯文本文件，但是当它遇到gzipped文件时，我收到以下错误:

TypeError: cannot use a string pattern on a bytes-like object

解决这个问题的最佳方法是什么？我知道我可以检查 line 是否是一个字节对象并将其解码为字符串，但我宁愿使用一些标志来自动将行迭代为字符串(如果可能的话)；而且，我更愿意编写适用于 Python 2 和 3 的代码。

Answer 1

fileinput.input根据是否获取 gzip 压缩文件，执行根本不同的操作。对于文本文件，它以常规 open 打开。 ，默认情况下以文本模式有效打开。对于 gzip.open ，默认模式是二进制，这对于未知内容的压缩文件是明智的。

仅二进制限制是 fileinput.FileInput 人为施加的。来自代码__init__方法:

  # restrict mode argument to reading modes
   if mode not in ('r', 'rU', 'U', 'rb'):
       raise ValueError("FileInput opening mode must be one of "
                        "'r', 'rU', 'U' and 'rb'")
   if 'U' in mode:
       import warnings
       warnings.warn("'U' mode is deprecated",
                     DeprecationWarning, 2)
   self._mode = mode

这为您提供了两种解决方法选项。

选项 1

在__init__之后设置_mode属性。为了避免在使用中添加额外的代码行，您可以子类化 fileinput.FileInput 并直接使用该类:

class TextFileInput(fileinput.FileInput):
    def __init__(*args, **kwargs):
        if 'mode' in kwargs and 't' in kwargs['mode']:
            mode = kwargs.pop['mode']
        else:
            mode = ''
        super().__init__(*args, **kwargs)
        if mode:
            self._mode = mode

for line in TextFileInput(filenames, openhook=fileinput.hook_compressed, mode='rt'):
    ...

选项 2

搞乱未记录的前导下划线非常麻烦，因此您可以为 zip 文件创建自定义 Hook 。这实际上非常简单，因为您可以使用 fileinput.hook_compressed 的代码作为模板:

def my_hook_compressed(filename, mode):
    if 'b' not in mode:
        mode += 't'
    ext = os.path.splitext(filename)[1]
    if ext == '.gz':
        import gzip
        return gzip.open(filename, mode)
    elif ext == '.bz2':
        import bz2
        return bz2.open(filename, mode)
    else:
        return open(filename, mode)

选项 3

最后，您始终可以将字节解码为 un​​icode 字符串。这显然不是更好的选择。