Python：刪除某些字符之前的所有內容

Question

我有幾個應該處理的文件。 這些文件是xml文件，但是在“ <？xml version =” 1.0“？>”之前，有一些調試和狀態行來自命令行。 由於我想解析文件，因此必須刪除這些行。 我的問題是：這怎么可能？ 最好就位，即文件名保持不變。

謝謝你的幫助。

Answer 1

一種低效的解決方案是讀取全部內容並查找發生的位置：

fileName="yourfile.xml"
with open(fileName,'r+') as f:
  contents=f.read()
  contents=contents[contents.find("< ?xml version="1.0"? >"):]
  f.seek(0)
  f.write(contents)
  f.truncate()

該文件現在將包含從“ <？xml version =“ 1.0”？>“開始的原始文件內容。

Answer 2

讀取文件時修剪文件頭該怎么辦？

import xml.etree.ElementTree as et

with open("input.xml", "rb") as inf:
    # find starting point
    offset = 0
    for line in inf:
        if line.startswith('<?xml version="1.0"'):
            break
        else:
            offset += len(line)

    # read the xml file starting at that point
    inf.seek(offset)
    data = et.parse(inf)

（這假定xml標頭以其自己的行開頭，但適用於我的測試文件：

<!-- This is a line of junk -->
<!-- This is another -->
<?xml version="1.0" ?>
<abc>
    <def>xy</def>
    <def>hi</def>
</abc>

Answer 3

既然您說您有幾個文件，那么使用fileinput可能比open更好。 然后，您可以執行以下操作：

import fileinput
import sys

prolog = '< ?xml version="1.0"? >'
reached_prolog = False
files = ['file1.xml', 'file2.xml'] # The paths of all your XML files
for line in fileinput.input(files, inplace=1):
    # Decide how you want to remove the lines. Something like:
    if line.startswith(prolog) and not reached_prolog:
        continue
    else:
        reached_prolog = True
        sys.stdout.write(line)

閱讀文件輸入fileinput應該使事情更清楚。

PS：這只是快速反應； 我還沒有運行/測試代碼。

Answer 4

使用regexp的解決方案：

import re
import shutil

with open('myxml.xml') as ifile, open('tempfile.tmp', 'wb') as ofile:
    for line in ifile:
        matches = re.findall(r'< \?xml version="1\.0"\? >.+', line)
        if matches:
            ofile.write(matches[0])
            ofile.writelines(ifile)
            break
    shutil.move('tempfile.tmp', 'myxml.xml')