Python读取13MB文件时出现数据丢失问题求助

你的代码存在逻辑错误，导致仅打印了文件的偶数行，丢失了包括首行在内的所有奇数行：

• 每次循环中，while file.readline()会读取一行用来判断是否还有内容，但这行并没有被打印；紧接着print(file.readline())又读取下一行并打印。
• 这种逻辑会跳过所有奇数行，所以首行<!DOCTYPE html>没被输出，控制台也搜不到原本在奇数行的目标数据。

修复方案一：用变量存储读取的行 #

def get_txt(path):
    with open(path, 'r', encoding='utf-8') as file:
        line = file.readline()
        while line:
            print(line, end='')  # 保留原文件换行，避免重复添加换行符
            line = file.readline()

if __name__ == '__main__':
    path = 'data/data.html'
    get_txt(path)

修复方案二：直接遍历文件对象（更简洁） #

Python的文件对象本身可迭代，直接遍历能逐行读取且不会遗漏：

def get_txt(path):
    with open(path, 'r', encoding='utf-8') as file:
        for line in file:
            print(line, end='')

if __name__ == '__main__':
    path = 'data/data.html'
    get_txt(path)

注意：添加end=''是因为读取到的每行本身已经包含换行符，print()默认会再添加一个换行，会导致输出的行间距变大，影响格式。

内容的提问来源于stack exchange，提问作者fei li