优化定长文本文件预期分号位置检查方案的技术问询

核心需求 #

仅验证文本中指定索引位置是否存在分号，不关心其他位置的额外分号；同时解决原代码冗长、运行效率低的问题。

优化思路 #

1. 将所有需要检查的分号索引位置统一存入列表，便于维护和修改
2. 使用any()函数实现短路求值：只要发现一个位置不符合要求，立即停止该行的检查，提升效率
3. 逐行读取文件，避免一次性加载大文件到内存，降低资源占用

优化后代码 #

import glob

# 把所有需要检查的分号位置（索引）放在这里，按实际需求添加/修改
REQUIRED_SEMICOLON_POSITIONS = [2, 4, 10, 14]

path = r'C:\path\*.txt'

for fname in glob.glob(path):
    print(f"Checking file {fname}")
    with open(fname, 'r', encoding='utf-8') as f:
        for line_num, line in enumerate(f, start=1):
            invalid = False
            # 先检查行长度是否达标，避免索引越界
            if len(line) <= max(REQUIRED_SEMICOLON_POSITIONS):
                invalid = True
            else:
                # 短路检查：只要有一个位置不是分号，就标记为无效
                invalid = any(line[pos] != ';' for pos in REQUIRED_SEMICOLON_POSITIONS)
            
            if invalid:
                print(f"\n分号缺失或行长度不足！\n行号: {line_num}\n文件: {fname}\n内容: {line.strip()}")

优化点说明 #

• 可读性提升：所有检查位置集中在REQUIRED_SEMICOLON_POSITIONS列表，修改或新增检查位置只需调整列表，无需修改复杂的条件判断语句
• 效率提升：
  • any()函数采用短路求值，找到第一个不符合的位置就停止检查，避免不必要的遍历
  • 逐行读取文件，相比readlines()一次性加载所有行，内存占用更低，尤其适合大文件
• 鲁棒性增强：新增行长度检查，避免因行内容过短导致的索引越界错误

内容的提问来源于stack exchange，提问作者PSt