如何修改load_data函数区分同后缀的type3与type4 TXT文件？

原函数存在两个明显问题：一是type0分支里重复判断了.txt后缀，导致type4的分支永远无法触发；二是type3和type4同属TXT后缀，且要求不能打开文件区分，只能从用户显式指定或文件名约定两个方向解决。

方案一：强制用户显式指定格式 #

既然自动识别无法区分两类TXT文件，干脆在type0模式下遇到TXT文件时直接提示用户手动指定type3或type4，彻底避免混淆：

from typing import Literal

def load_data(path: str, format: Literal['type0', 'type1', 'type2', 'type3', 'type4']) -> Data:
    valid_formats = {'type0', 'type1', 'type2', 'type3', 'type4'}
    if format not in valid_formats:
        raise ValueError(f"Incorrect format `{format}` specified for load_data()")

    if format == 'type0':
        if path.lower().endswith('.pdf'):
            data = parse_type1(path)
        elif path.lower().endswith('.csv') or path.lower().endswith('.d'):
            data = parse_type2(path)
        elif path.lower().endswith('.txt'):
            # 无法自动区分TXT类型，提示用户显式指定
            raise ValueError("TXT files can be either type3 (comma-separated) or type4 (space-separated). "
                             "Please specify the format explicitly instead of using 'type0'.")
        else:
            raise Exception("Unknown file format in load_data(), consider specifying the format instead of using `type0`")
    elif format == 'type1':
        data = parse_type1(path)
    elif format == 'type2':
        data = parse_type2(path)
    elif format == 'type3':
        data = parse_type3(path)
    elif format == 'type4':
        data = parse_type4(path)
    
    # 校验数据结构一致性
    assert data.data.shape[0] == data.wavelength.shape[0], 'Parsing raw data by load_data() yields inconsistent shapes'
    assert data.data.shape[1] == data.time.shape[0], 'Parsing raw data by load_data() yields inconsistent shapes'

    return data

方案二：通过文件名约定区分 #

如果希望保留type0的自动识别能力，可以和团队约定文件名规则：比如type3的TXT文件名包含_comma，type4的包含_space，通过文件名关键字判断：

from typing import Literal

def load_data(path: str, format: Literal['type0', 'type1', 'type2', 'type3', 'type4']) -> Data:
    valid_formats = {'type0', 'type1', 'type2', 'type3', 'type4'}
    if format not in valid_formats:
        raise ValueError(f"Incorrect format `{format}` specified for load_data()")

    if format == 'type0':
        if path.lower().endswith('.pdf'):
            data = parse_type1(path)
        elif path.lower().endswith('.csv') or path.lower().endswith('.d'):
            data = parse_type2(path)
        elif path.lower().endswith('.txt'):
            filename = path.lower()
            # 根据约定的文件名关键字区分
            if '_comma' in filename:
                data = parse_type3(path)
            elif '_space' in filename:
                data = parse_type4(path)
            else:
                raise ValueError("TXT files need to include '_comma' (for type3) or '_space' (for type4) in filename "
                                 "when using 'type0', or specify the format explicitly.")
        else:
            raise Exception("Unknown file format in load_data(), consider specifying the format instead of using `type0`")
    elif format == 'type1':
        data = parse_type1(path)
    elif format == 'type2':
        data = parse_type2(path)
    elif format == 'type3':
        data = parse_type3(path)
    elif format == 'type4':
        data = parse_type4(path)
    
    assert data.data.shape[0] == data.wavelength.shape[0], 'Parsing raw data by load_data() yields inconsistent shapes'
    assert data.data.shape[1] == data.time.shape[0], 'Parsing raw data by load_data() yields inconsistent shapes'

    return data

说明 #

两个方案都满足"无需打开文件"的要求：

• 方案一简单直接，完全依赖用户明确声明格式，避免了任何自动识别的歧义；
• 方案二保留了自动识别的便利性，但需要团队严格遵守文件名约定。

内容的提问来源于stack exchange，提问作者jasonstich