python3.4.3下逐行读入txt文本并去重的方法

读写文件时应注意的问题包括：

1.字符编码

2.操作完成即时关闭文件描述符

3.代码兼容性

几种方法：

#!/bin/python3
original_list1=[" "]
original_list2=[" "]
original_list3=[" "]
original_list4=[" "]
newlist1=[" "]
newlist2=[" "]
newlist3=[" "]
newlist4=[" "]
newtxt1=""
newtxt2=""
newtxt3=""
newtxt4=""
#first way to readline
f = open("duplicate_txt.txt","r+") # 返回一个文件对象 
line = f.readline() # 调用文件的 readline()方法 
while line: 
 original_list1.append(line) 
 line = f.readline() 
f.close() 
#use "set()" remove duplicate str in the list
# in this way,list will sort randomly
newlist1 = list(set(original_list1))
#newlist1 = {}.fromkeys(original_list1).keys() #faster 
#rebuild a new txt 
newtxt1="".join(newlist1)
f1 = open("noduplicate1.txt","w")
f1.write(newtxt1)
f1.close()
###################################################################
#second way to readline
for line in open("duplicate_txt.txt","r+"): 
 original_list2.append(line)
newlist2 = list(set(original_list2))
newlist2.sort(key=original_list2.index) #sort
#newlist2 = sorted(set(original_list2),key=l1.index) #other way
newtxt2="".join(newlist2)
f2 = open("noduplicate2.txt","w")
f2.write(newtxt2)
f2.close()
###################################################################
#third way to readline
f3 = open("duplicate_txt.txt","r") 
original_list3 = f3.readlines() #读取全部内容 ，并以列表方式返回 
for i in original_list3: #遍历去重
 if not i in newlist3:
 newlist3.append(i)
newtxt3="".join(newlist3)
f4 = open("noduplicate3.txt","w")
f4.write(newtxt3)
f4.close()
###################################################################
#fourth way
f5 = open('duplicate_txt.txt',"r+") 
try: 
 original_list4 = f5.readlines() 
 [newlist4.append(i) for i in original_list4 if not i in newlist4]
 newtxt4="".join(newlist4)
 f6 = open("noduplicate4.txt","w")
 f6.write(newtxt4)
 f6.close()
finally: 
 f5.close()

结果：

去重前：

去重后（无序）：

去重后（有序）：

总结

这段下程序涉及文件读写操作以及链表List的操作，文章开头提到的几个问题，由于并没有使用中文，所以不关心编码，但这里还是要提一提:

f = open("test.txt"，"w")
f.write(u"你好")

上面这段代码如果在python2中运行会报错

报错是因为程序没办法直接保存unicode字符串，要经过编码转换成str类型的二进制字节序列才可以保存。

write（）方法会自动编码转换，默认使用ascii编码格式，而ascii不能处理中文，所以出现UnicodeEncodeError。

正确方式是在调用write（）方法前，手动格式转换，用utf-8或者gbk转换成str。

f = open("test.txt"，"w")
text=u"你好"
text=text.encode(encoding='utf-8')
f.write(text)

关于close()问题:

不关闭会有什么影响呢？操作完成后，不关闭文件，会对系统资源造成浪费，因为系统可打开的文件描述符数量是有限的。Linux是65535。

一般来说close之后就OK了，但是也会存在特殊情况，比如说，在调用open（）函数时就已经发生错误，权限不足，调用close（）肯定报错。还有一种是在write（）时，如果磁盘空间不足，报错，close（）就没有机会执行了。正确的做法就是使用 try except 对异常进行捕获：

f = open("test.txt"，"w")
try:
 text=u"你好"
 text=text.encode(encoding='utf-8')
 f.write(text)
except: IOError as e:
 print("oops,%s"%e.args[0])
finally:
 f.close()

更优雅的写法是用 with…as。

with open("test.txt"，"w") as f:
 text=u"你好"
 f.write(text.encode(encoding='utf-8'))

文件对象实现上下午管理器协议，程序进入with语句时，会把文件对象赋值给变量f，在程序退出with时会自动的调用close()方法。

关于兼容性问题:

python2和python3的open（）函数是不一样的，后者可以在函数中指定字符编码格式。

如何解决python2和python3的兼容open（）问题呢？

使用io模块下的open（）函数，python2中的io.open等价与python3的open函数

from io import open
with open("test.txt"，"w",encoding='utf-8') as f:
 f.write(u"你好")