Python：获取字符串索引的行号和列号？

Question

假设我有一个正在操作的文本文件。 像这样的东西（希望这不是太难以理解）：

data_raw = open('my_data_file.dat').read()
matches = re.findall(my_regex, data_raw, re.MULTILINE)
for match in matches:
    try:
        parse(data_raw, from_=match.start(), to=match.end())
    except Exception:
        print("Error parsing data starting on line {}".format(what_do_i_put_here))
        raise

请注意，在异常处理程序中有一个名为what_do_i_put_here的变量。 我的问题是：如何分配给该名称，以便我的脚本将打印包含我正在尝试使用的“坏区域”开头的行号？ 我不介意重新阅读文件，我只是不知道我会做什么......

Answer 1

我写了这个。 它未经测试且效率低下，但确实有助于我的异常消息更加清晰：

def coords_of_str_index(string, index):
    """Get (line_number, col) of `index` in `string`."""
    lines = string.splitlines(True)
    curr_pos = 0
    for linenum, line in enumerate(lines):
        if curr_pos + len(line) > index:
            return linenum + 1, index-curr_pos
        curr_pos += len(line)

我什至没有测试过列号是否准确。 我没有遵守YAGNI

Answer 2

这里有一些更清晰的东西，在我看来，比你自己的答案更容易理解：

def index_to_coordinates(s, index):
    """Returns (line_number, col) of `index` in `s`."""
    if not len(s):
        return 1, 1
    sp = s[:index+1].splitlines(keepends=True)
    return len(sp), len(sp[-1])

它的工作方式与您自己的答案基本相同，但是通过使用字符串切片splitlines()实际上可以计算您需要的所有信息，而无需任何后期处理。

必须使用keepends=True来为行尾字符提供正确的列数。

唯一的额外问题是空字符串的边缘情况，可以很容易地由保护子句处理。

我在 Python 3.8 中对其进行了测试，但它可能在大约 3.4 版之后正常工作（在某些旧版本中len()计算代码单元而不是代码点，我认为它会因包含 BMP 之外的字符的任何字符串而中断）

Answer 3

列索引从 0 开始，因此您需要在代码的最后从 len(sp[-1]) 中提取 1 以获得正确的列值。 此外，如果字符串的长度为 0 或字符串太短而无法适应索引，我可能会返回 None （而不是“1.1” - 这也是不正确的，因为它应该是“1.0”......）。 否则，这是一个出色而优雅的解决方案Tim。

def index_to_coordinates(txt:str, index:int) -> str:
    """Returns 'line.column' of index in 'txt'."""
    if not txt or len(txt)-1 < index:
        return None
    sp = txt[:index+1].splitlines(keepends=True)
    return (f"{len(sp)}.{len(sp[-1])-1}")