Python处理文本文件时.tell()方法不可靠的问题及替代方案问询

问题根源：文本模式下.tell()的"逻辑位置"陷阱 #

你遇到的超大数值（比如18446744073709551630）其实是文本模式下tell()的特性导致的：当以文本模式（"r"）打开文件时，tell()返回的不是实际的字节偏移量，而是内部维护的逻辑位置标记，这个值和你用file_len_chars计算的字符数完全不匹配——因为文本模式会自动转换换行符（比如Windows的\r\n会被转成\n），加上空行、特殊字符的处理，很容易出现位置计算混乱，甚至溢出成无符号的超大整数。

方案1：修复.tell()的使用（不推荐，但满足你的需求） #

如果一定要坚持用tell()，唯一的办法是以二进制模式打开文件，这样tell()会返回准确的字节偏移量，和预先计算的文件字节数一致。但需要额外处理编码转换：

import os
import re
from random import randint

# 保留你原有的辅助函数
def file_len_lines(f_name):
    with open(f_name) as f:
        for i, l in enumerate(f):
            pass
        return i + 1
def trim(sut):
    return re.sub(' +', ' ', sut).strip()

# 测试文件生成逻辑不变
with open("test.txt", "w") as f:
    word_list = ("Betty Eats Cakes And Uncle Sells Eggs "*20).split()
    word_list[3] = ""
    for word in word_list:
        print(word, file=f)

file_to_read = 'test.txt'
# 修改文件打开方式为二进制模式
with open(file_to_read, "rb") as f:
    count = 0
    file_length = os.path.getsize(file_to_read)
    file_length_lines = file_len_lines(file_to_read)
    print(f"Lines in file = {file_length_lines}, Bytes in file = {file_length}")
    f.seek(0)
    while f.tell() < file_length:
        count += 1
        # 读取字节并解码为字符串
        text_line = f.readline().decode('utf-8')
        print(f"Line = {count}, ", end="")
        print(f"Tell = {f.tell()}, ", end="")
        print(f"Length {len(text_line)} ", end="")
        if text_line in ['', '\n']:
            print(count)
        elif trim(text_line).upper()[0] in "A E I O U".split():
            print(text_line, end='')
        else:
            print(count)

这里用os.path.getsize()直接获取文件字节数，比你自己写的file_len_chars更准确高效。

方案2：更可靠的while循环EOF检测（强烈推荐） #

其实完全不用依赖tell()和预先计算文件长度，Python的readline()方法在到达EOF时会返回空字符串''，我们可以利用这一点来构建while循环，既简单又可靠，还避免了两次遍历文件的开销：

import re
from random import randint

# 保留你原有的辅助函数
def file_len_lines(f_name):
    with open(f_name) as f:
        for i, l in enumerate(f):
            pass
        return i + 1
def trim(sut):
    return re.sub(' +', ' ', sut).strip()

# 测试文件生成逻辑不变
with open("test.txt", "w") as f:
    word_list = ("Betty Eats Cakes And Uncle Sells Eggs "*20).split()
    word_list[3] = ""
    for word in word_list:
        print(word, file=f)

file_to_read = 'test.txt'
with open(file_to_read, "r") as f:
    count = 0
    file_length_lines = file_len_lines(file_to_read)
    print(f"Lines in file = {file_length_lines}")
    while True:
        count += 1
        text_line = f.readline()
        # 检测EOF：readline返回空字符串时退出循环
        if not text_line:
            break
        print(f"Line = {count}, ", end="")
        print(f"Length {len(text_line)} ", end="")
        if text_line in ['', '\n']:
            print(count)
        elif trim(text_line).upper()[0] in "A E I O U".split():
            print(text_line, end='')
        else:
            print(count)

这个方式完全符合你的while循环需求，不用修改核心代码架构，而且彻底避免了tell()带来的所有问题，运行效率也更高（不用先遍历一遍文件计算长度）。

内容的提问来源于stack exchange，提问作者Lance Skelly