Python打乱文本文件还原、统计输出及代码问题咨询

需求说明 #

输入的乱序文本每行由文本内容|行号|三位作品标识码三部分组成，示例如下：

it ran away when it saw mine coming!"|164|ALC
cried to the man who trundled the barrow; "bring up alongside and help|27|TRI
"Of course he's stuffed," replied Dorothy, who was still angry.|46|WOO

需要完成两个输出任务：

1. 按三位标识码升序输出每个作品的统计信息，包含最长行及对应行号、最短行及对应行号、全行平均长度
2. 按三位标识码升序输出还原后的作品文本，不同作品之间用-----分隔，每行按行号排序拼接

问题解答 #

1. 适用数据结构与实现建议 #

推荐用以下结构和方法实现：

• 核心存储用字典，key为三位作品标识码，value为列表，列表每个元素存储(行号（整数类型）, 文本内容)元组，方便后续排序和统计
• 行拆分用str.split('|')方法，拆分后记得对每个字段做strip()处理去除首尾空格、换行符
• 排序用内置sorted()方法，按元组第一个元素（行号）排序即可得到正确的行顺序
  参考实现代码片段：

# 初始化存储字典
work_data = {}
# 读取输入文件
with open('input.txt', 'r', encoding='utf-8') as f:
    for line in f:
        line = line.strip()
        if not line:
            continue
        content, line_num_str, code = line.split('|')
        line_num = int(line_num_str)
        # 存入字典
        if code not in work_data:
            work_data[code] = []
        work_data[code].append( (line_num, content) )

# 每个作品内部按行号排序
for code in work_data:
    work_data[code].sort(key=lambda x: x[0])

2. 统计结果异常的常见原因 #

你遇到的所有作品最长/最短行相同、平均长度为0的问题，基本是以下几个原因导致的：

• 字段拆分错误：拆分后取错了字段，比如把行号/标识码当成了文本内容统计长度，或者行号没有转成整数类型
• 统计变量初始化错误：比如最长行初始长度设得远大于所有实际行长度，最短行初始长度设为0，导致遍历所有行时判断条件都不触发，一直保留初始的默认值
• 累加逻辑遗漏：统计总长度、总行数的变量没有做累加操作，导致计算平均时分子为0，最终平均长度为0
• 空数据问题：读取文件时编码错误或者过滤逻辑有误，导致没有任何行被正确存入字典，所有统计都用了初始默认值

3. 括号内显示行号的修改方法 #

你当前输出括号内是字符数，是因为统计时存储的是字符数并输出了该值，修改方法很简单：
统计最长、最短行时，除了记录文本内容、行长度，额外存储对应的行号，输出时把行号放到括号内即可。参考统计逻辑：

for code in sorted(work_data.keys()):
    lines = work_data[code]
    # 初始化统计变量
    total_len = 0
    # 结构：(行号, 内容, 长度)
    longest = (0, "", 0)
    shortest = (0, "", 999999)
    for line_num, content in lines:
        content_len = len(content)
        total_len += content_len
        # 更新最长行
        if content_len > longest[2]:
            longest = (line_num, content, content_len)
        # 更新最短行
        if content_len < shortest[2]:
            shortest = (line_num, content, content_len)
    avg_len = round(total_len / len(lines))
    # 输出时直接取longest[0]、shortest[0]就是行号
    print(f"{code}\n")
    print(f"Longest Line ({longest[0]}): {longest[1]} Shortest Line ({shortest[0]}): {shortest[1]} Average Length: {avg_len}\n")

4. 按三位标识码升序输出的修改方法 #

字典默认遍历顺序是插入顺序，只要遍历前先对字典的key做排序即可：

# 不管是输出统计结果还是还原文本，都先对code排序再遍历
for code in sorted(work_data.keys()):
    # 执行对应输出逻辑
    pass

输出还原文本时，在两个作品的内容之间插入-----即可。

内容的提问来源于stack exchange，提问作者Alex