站长工具

python内置库--fileinput

作者：MyRecords

1 关于fileinput

利用fileinput，我们可以循环遍历标准输入或者多个文件中的数据
它和open()作用很类似， 但是open()只能操作一个文件且相关函数功能没有它丰富

2 函数介绍

fileinput.input(files=None, inplace=False, backup='', *, mode='r', openhook=None, encoding=None, errors=None)

创建一个 FileInput 类的实例，后面的很多函数都会用到该实例

也可用在with中作为上下文管理器
image

fileinput.filename()

返回当前被读取的文件名。 在第一行被读取之前，返回 None

fileinput.lineno()

返回已被读取的累计行号。 在第一行被读取之前，返回 0。 在最后一个文件的最后一行被读取之后，返回该行的行号

fileinput.isfirstline()

如果刚读取的行是其所在文件的第一行则返回 True，否则返回 False

fileinput.isstdin()

如果最后读取的行来自 sys.stdin 则返回 True，否则返回 False

fileinput.filelineno()

返回当前文件中的行号。 在第一行被读取之前，返回 0。 在最后一个文件的最后一行被读取之后，返回此文件中该行的行号

fileinput.close()

image
执行
image

image
执行
image

保存下面内容为filinput eg.py
image

在命令行进入文本文件所在目录， 执行
image
这样，文件参数放在命令行 ,fileinput从命令行读取数据

总结：
1 相比于open() fileinput()提供了更丰富的功能获取文件相关属性（文件名 行数等）,且能一次作用于多个文件，更适合拿来读写文件
2 fileinput能直接从标准输入中读取参数 ,使用更加方便

本文转载于网络 如有侵权请联系删除

相关文章

  • 安全密码正则

    当你回首往事时，不因碌碌无为而悔恨，不为虚度年华而羞耻，那你就可以很骄傲地和自己讲，你不负此生! 今天分享一个密码的正则，密码必须包含大、小写字母、数字、特殊符号至少三种,且长度为8-20^(?![a-zA-Z]+$)(?![A-Z0-9]+$)(?![A-Z\W_!@#$%^&*`~()-+=]+$)(?![a-z0-9]+$)(?![a-z\W_!@#$%^&*`~()-+=]+$)(?![0-9\W_!@#$%^&*`~()-+=]+$)[a-zA-Z0-9\W_!@#$%^&*`~()-+=]{8,20}$复制javascript代码if(!(/^(?![a-zA-Z]+$)(?![A-Z0-9]+$)(?![A-Z\W_!@#$%^&*`~()-+=]+$)(?![a-z0-9]+$)(?![a-z\W_!@#$%^&*`~()-+=]+$)(?![0-9\W_!@#$%^&*`~()-+=]+$)[a-zA-Z0-9\W_!@#$%^&*`~()-+=]{8,20}$/.test(value))){ retur

  • LSD基数排序_mll基因重排

    大家好，我是架构君，一个会写代码吟诗的架构师。今天说一说LSD基数排序_mll基因重排,希望能够帮助大家进步!!!版本：Release优化选项：O2调试工具：OD源码：//LSD基数排序（桶排序,模拟队列实现） #include<stdio.h> #include<stdlib.h> #include<time.h> #defineMAX_SIZE11//PS:setnodesnumber voidlistsort(inta[],intlink[],intn,intfirst); intdigit(inta,inti,intr) { intn=2-i; while(n>0&&(a/=r)) n--; a%=10; returna; } intradixsort(inta[],intlink[],intd,intr,intn) { inti,last,first=1,bin,current; intfront[10],rear[10];//10个桶 for(i=1;i<n;i++) link[i

  • 记一次靶场渗透测试

    本环境为黑盒测试，在不提供虚拟机帐号密码的情况下进行黑盒测试拿到域控里面的flag。环境搭建内网网段：192.168.93.0/24外网网段：192.168.1.0/24攻击机：kali：192.168.1.10靶场：CentOS(内)：192.168.93.100CentOS(外)：192.168.1.110Ubuntu：192.168.93.120域内主机：Winserver2012：192.168.93.10Winserver2008：192.168.93.20Windows7：192.168.93.30其中CentOS可以外网、内网通信，域内主机只能内网之间进行通信kali跟CentOS能够ping通拓扑图如下：‍‍‍‍‍‍‍‍‍‍image-20210704161306005内网信息搜集nmap探测端口nmap先探测一下出网机即CentOS的端口情况。可以看到开了22、80、3306端口，初步判断开了web，ssh，数据库应该为MySQLnmap-T4-sC-sV192.168.1.110复制image-20210708153441055这里首先访问下80端口，发现为joom

  • 原来可以这么操作—修改子View绘制顺序

    前言周一的早上，由于项目的开发做的差不多了，正在等待测试结果的我就开始发呆，思考端午节的去处～“理塘？稻城？还是...解决bug？”不行不行?‍♂️，可不能让BUG耽误了我的假期，于是我打开公司的项目管理工具，看看测试有没有反馈问题。果然，出现了一个BUG。大概就是一个RecycleView，需要把其中某一项做放大效果，类似焦点放大的效果。但是现在的APP中显示效果是会被下一个View遮挡住，我简单写了个Demo说明：正常的效果应该是Item4的View做放大效果，处在item3和item5的上一层。 但是现在的效果是Item4在Item3的上面，Item5又在Item4的上面，所以放大的Item4被遮挡住了。这是什么问题呢？写个Demo首先，我们写个Demo复制下BUG出现的页面：//初始化RecycleView varadapter=TestAdapter() rv.layoutManager=LinearLayoutManager(this) rv.adapter=adapter //修改数据源 varlist=mutableListOf<String>() for

  • GNN教程：与众不同的预训练模型！

    0引言虽然GNN模型及其变体在图结构数据的学习方面取得了成功，但是训练一个准确的GNN模型需要大量的带标注的图数据，而标记样本需要消耗大量的人力资源，为了解决这样的问题，一些学者开始研究GraphPre-training的框架以获取能够迁移到不同任务上的通用图结构信息表征。在NLP和CV领域中，学者已经提出了大量的预训练架构。比如：BERT(Devlinetal.,2018)和VGGNets(Girshicketal.,2014)，这些模型被用来从未标注的数据中学习输入数据的通用表征，并为模型提供更合理的初始化参数，以简化下游任务的训练过程。后台回复【GNN】进图神经网络交流群。这篇博文将向大家介绍图上的预训练模型，来自论文Pre-TrainingGraphNeuralNetworksforGenericStructuralFeatureExtraction重点讨论下面两个问题：GNNs是否能够从预训练中受益？设置哪几种预训练任务比较合理？1预训练介绍本节将向大家介绍什么是模型的预训练。对于一般的模型，如果我们有充足的数据和标签，我们可以通过有监督学习得到非常好的结果。但是在现实生活中

  • 代码详解——NMPC路径跟踪复杂参考路径设置

    在先前的代码中，参考路径在每一个仿真循环内设置，因此只能设置为直线。详见 白国星，公众号：PathTrackingLetters代码详解——最简NMPC路径跟踪仿真代码为设置更加复杂的参考路径，我们可以借助全局变量。即在初始化部分，通过全局变量设置参考路径，然后将在每一个仿真循环中读取参考路径即可。 NMPC_main.m的代码修改如下，黄绿背景部分为改后代码： NMPC参考路径设置作者北京科技大学白国星david.gx.bai@gmail.com致谢：原始框架来自北京理工大学龚建伟教授团队著作《无人驾驶车辆模型预测控制》clearall; %%车辆参数初始化 l=1;%轴距 %%控制参数初始化 Nx=3;%状态量个数 Np=25;%预测时域 Nc=3;%控制时域 %%车辆位置初始化 State_Initial(1,1)=0;%x State_Initial(2,1)=0;%y State_Initial(3,1)=pi/6;%phi %%参考轨迹参数初始化 N=1000;%参考轨迹点数量 T=0.05;%采样周期 globalXrefg; globalYrefg; globalPHI

  • python函数基础

    函数讲解函数如何定义这里不再讲解，从函数的参数讲起。先举一个例子来说明下：1 2 3 4defgreet_user(username): print('Hello,'+username.title()+'!') greet_user('devilf')函数中的username为形参，用来让函数完成工作所需要的一些信息，greet_user('devilf')中的devilf为实参，实参是调用函数时传递给函数的信息。大体的过程是这样的：我们将devilf这个人名（实参）传递给了函数greet_user()，这个人名也就是这个实参存储在username中，然后进入函数体开始工作。位置参数就是基于实参的顺序进行关联，不能多不能少不能乱，多和少会报错，乱会改变其意义。1 2 3 4 5 6 7defdescribe_pet(animal_type,pet_name): '''显示宠物信息''' print('\nIhavea'+ani

  • 一个海量在线用户即时通讯系统（IM）的完整设计Plus

    《一个海量在线用户即时通讯系统（IM）的完整设计》（以下称《完整设计》）这篇文章发出来之后有不少读者咨询问题，提出意见或建议。主要集中在模块拆分、协议、存储等方面。针对这些问题做个简单说明。1、真实生产系统的模块拆分比《完整设计》一文中要复杂许多。《完整设计》只在反应IM系统最核心大功能点之间的关系，便于没有经验的读者能够快速上手进行IM设计和开发。真实运行系统的架构接近于这张图2、消息存储部分，最初版本采用的MySQL，之后改成了HBase（用Cassandra也行）。按照会话进行了分区，单聊、群聊是分开存储的。3、拉离线（消息同步模型）方式。针对内部员工采用的《完整设计》的拉取方式；针对C端用户采用了TimeLine模型。参看《基于TimeLine模型的消息同步机制》、《TimeLine模型下确保消息有序不丢》4、在协议、安全等很多方面都有改进《完整设计》一文更适合没有太多完全自研IM经验的研发人员阅读，基本能够覆盖到IM自研的主要环节。以下附上《完整设计》原文1服务器端设计 1.1总体架构总体架构包括5个层级，具体内容如下图。1.1.1用户端移动端重点是移动端，支持IOS/And

  • 如何选择机器人电机

    在机器人中，执行机构一般分为液压驱动和电机驱动两种类型，其中又以电机驱动最为常见。本文主要讨论一般机器人驱动机构中电机的选择问题。 机器人中常用的电机分为有刷直流电机、无刷直流电机、永磁同步电机、步进电机等。其中在中小型机器人（尺寸在15cm-30cm）中，由于价格便宜，定位精度高，直流电机以及无刷直流电机最为常见。本文主要讨论直流电机的选择方法。 第一部分：电机要求 直流电机简介： 在市场上，存在着多种多样的直流电机。据不完全估计，单就国内就有上千家电机生产厂家。更不要提日本、德国等老牌电机生产强国。即使对于一个很小的直流电机，它都具有复杂的内部结构和大量的产品资料。这里，我们仅从机器人的角度出发考虑其对电机性能的要求。 电机的选择往往是我们对于电机性能的要求与我们可以接受价格的折衷。因而，在电机选择过程中，我们需要整体考虑电机的各个参数，从中筛选出对我们重要的参数，结合我们的需要，选择合适的电机。 对于一个电机来说，其往往具有多条运行特性曲线，这里我们将列出其中最重要的一些特性，然后对这些特性进行一些解释。对于一个电机，从机器人驱动的角度，我们主要的关心的有： a)工

  • Python爬虫学习--爬虫基本架构

    一个简单的爬虫架构由爬虫调度端、URL管理器、网页下载器和网页解析器四部分构成。它们之间的关系如下图：●爬虫调度端：启动爬虫，停止爬虫，监视爬虫的运行情况。●URL管理器：管理待爬取的URL和已爬取的URL。●网页下载器：将URL指定的网页下载下来，并存储为一个字符串。●网页解析器：将下载好的字符串进行解析，解析的结果分为两部分，一部分为我们需要的价值数据，另一部分为新的待爬取的URL。网页下载器：在Python爬虫中广泛使用urllib进行网页的读取下载，urllib是Python的标准库（就是说你不用额外安装就可以在Python编译器中运行），它包含了从网络请求数据，处理cookie。甚至改变请求头和用户代理这些元数据的函数。在Python2.x中一般使用urllib2库，而在Python3.x中，urllib2改名为urllib.并且把urllib库细分为了三个子模块：urllib.request、urllib.parse和urllib.error.在使用urllib库时需要注意哪些函数在哪个子模块内。实例代码如下：（在Python3.x中）第一行表示从urllib库的reque

  • 移动端及时调试工具 - weinre使用方法

    HTML5学堂：在前一篇文章当中，我们借着weinre讲解了NodeJS中的一些简单命令，也讲解了weinre的安装方法，今天我们把weinre的使用“完结”掉。移动端页面的开发过程中，weinre“即时”的调试方式，能够让我们更好更快的解决调试问题，使调试工作变得更加方便。想要调试的文件放在哪里首先，按照全局模式“-g”进行安装~（前面一篇文章我们已经讲过了）之后，将我们需要调试的页面放置于如下目录当中：C:\Users\Administrator\AppData\Roaming\npm\node_modules\weinre\web可以在web文件夹中放置一个www文件夹，然后将自己想要调试的每个项目放置于www当中（这样应该就很类似于我们的wamp的使用了吧~），小编这里采用的是：C:\Users\Administrator\AppData\Roaming\npm\node_modules\weinre\web\www\h5course。要调试的是h5course文件夹中的页面。 调试的基本流程1启动接口2桌端调试2.1在桌端打开链接地址2.2修改要调试的文件2.3在PC端进行访

  • wap2app（七）-- 长按保存图片

    用Hbuilder打包网站，在打包好的app中是无法像网站那样直接使用长按图片保存的功能的，需要在网站里对来自wap2app进行单独处理，接下来介绍一下如何在Hbuilder打包后的app里实现长按图片的功能。 1.在需要实现长按图片保存的页面引入相关css文件： <linkrel="stylesheet"type="text/css"href="css/mui.min.css"/> <linkrel="stylesheet"type="text/css"href="css/preview.css"/>复制 2.页面引入相关js文件： <scriptsrc="js/mui.min.js"type="text/javascript"charset="utf-8"></script> <scriptsrc="js/mui.zoom.js"type="text/javascript"charset="utf-8"></script> <scriptsrc="js/mui.previewimage.js"typ

  • 探索c#之跳跃表(SkipList)

    阅读目录： 基本介绍 算法思想 演化步骤 实现细节 总结 基本介绍 SkipList是WilliamPugh在1990年提出的，它是一种可替代平衡树的数据结构。SkipList在实现上相对比较简单，比如在限定时间条件下，能非常轻松的实现SkipList，但却实现不了B树、红黑树、AVL树等，想一想单B树的删除，就要考虑非常多的细节。虽说SkipList简单，但性能却非常高，在平均情况下，其插入、删除、查找数据时间复杂度都是O(log(N))，其最坏情况下都为O(N)，这点要低于平衡树。 SkipList依赖随机生成数以一定概率来保持数据在树上的平衡分布，所以SkipList也属于概率算性的数据结构，和之前介绍的BoolFilter属于一个类型C#之布隆过滤器(Bloomfilter)。 算法思想 举个例子，楼主逛完街要回张江玉兰香苑，如果从人民广场做公交车回去，要路过非常多的站： 想想这么远的路程,多悲惨(在大数据情况下找对应项同样的问题)，相较来说坐地铁就快很多，然后到广兰路换程。这就是SkipList最核心的思想非常简单。现在路线变成：  因为可以一次跨越很多不需要

  • 数据结构与算法-目录

    数据结构与算法-目录 数据结构与算法-基础 一、数据结构 二、查找 三、外部排序 四、内部排序

  • 洛谷P2689 东南西北

    https://www.luogu.org/problemnew/show/P2689 #include<iostream> #include<algorithm> usingnamespacestd; intsx,sy,ex,ey,t,ans=1e9;//sx和sy为小明所在位置，ex和ey为小明想去的位置，ans为步数 chara[101];//风向 voiddfs(intstep,intx,inty,inti){//深搜函数，step为当前步数，x和y为当前坐标，i是a数组下标 if(x==ex&&y==ey){//判断当前坐标是否为小明想去的位置 ans=min(ans,step);//ans变为当前步数和ans的较小值 return;//返回 } if(i>t)return; if(step>ans)return;//剪枝，如果当前步数大于当前最优解，就没有必要接着往下搜，返回上一步 if(a[i]=='E'&&x<ex)dfs(step+1,x+1,y,i+1);//判断当前x坐标是否在终点的x坐标

  • java中关键字volatile的作用

    java中关键字volatile的作用 Java多线程threadJVMIBM用在多线程，同步变量。线程为了提高效率，将某成员变量(如A)拷贝了一份（如B），线程中对A的访问其实访问的是B。只在某些动作时才进行A和B的同步。因此存在A和B不一致的情况。volatile就是用来避免这种情况的。volatile告诉jvm，它所修饰的变量不保留拷贝，直接访问主内存中的（也就是上面说的A) =========================分割线1================================= 版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明http://aleung.blogbus.com/logs/32090434.html 在Java内存模型中，有mainmemory，每个线程也有自己的memory(例如寄存器)。为了性能，一个线程会在自己的memory中保持要访问的变量的副本。这样就会出现同一个变量在某个瞬间，在一个线程的memory中的值可能与另外一个线程memory中的值，或者mainmemory中的值不一致的情况。 一个变量声明为volatil

  • 如何服务好B端客户

    核心价值： 2B公司的核心价值在于服务。如何服务好客户，需要的是了解客户，与客户共赢。 一.客户信任度的建立 服务：不是口头说说，是要落地与实践。 对于客户的承诺至关重要，承诺的时间点。承诺的事情要保质保量的完成。 这话看起来简单实际做起来很难。 在我们服务客户过程中最难的就是如何做到“保质保量”。很多时候做出的产品总是与客户的需求不符。 总结下来主要有以下两点： 1.门外汉做门内事。 很多客户在描述产品需求的时候都会说一句话“我们这个业务真的很简单。” 隔行如隔山，对于任何一个行业都不会有简单的业务逻辑和模式。高到经济大鳄，小到贩夫走卒。都是有一套完整的业务和实践逻辑。 但是客户在对供应商沟通需求过程中只是简单描述基本的流程和需求。很难完善描述到每个细节。 并不是客户不想讲清楚，而是很多场景是只有发生了才能想到。 对于从事刚行业多年的从业者，这些场景都是长期积累的产物，身在其中的人因常年累月的积累，具体场景的解决方案已经深深刻入骨子里。 但是对于一个门外汉就如同瞎子摸象，只见一木未见森林。 试问这样产出的产品如何能满足客户需求。如何能做到保量。。 2.服务意识欠缺 本段开头我就提到“

  • WebContextListener : Unsupported major.minor version 51.0

    从公司的eclipse中导出的maven项目，回到自己的本机上用MyEclipse导入部署的时候出现了这个问题：WebContextListener:Unsupportedmajor.minorversion51.0 查询了好久，发现是jkd版本问题导致的，把项目和maven环境引用的jdk1.8降到了jdk1.6后，就可以运行了。

  • 作为软件工程师，给年轻时的自己的建议（下）

    如果能够穿越到10年前，你会给年轻的自己什么建议？如果穿越到刚从业时，我会给年轻时的自己一个建议——“为你想要实现的目标设定各种各样的目标。只要有正确的计划和愿景，任何目标都不会太大。”在过去的25年里，我经历了成功和失败。这段旅程令人难忘，因为它让我明白了失败和成功的重要性。每一次成功都贴近我的内心，不断让我更好地理解团队合作和成就感，但每一次失败都为我提供了一种新的创新方式，让我找到非凡的解决方案。另一个帮助我走到今天的品质是敢于冒险。我从不害怕障碍，寻找具有挑战性的任务，而不是接受我遇到的第一个项目。有意识地走出自己的舒适区，让我比同龄人更快地学会了高级技能。当我回顾十多年前，有几件事，我希望我应该或不应该做。这些职业建议本可以帮助我避免错误的决定，并以更专注和更快的方式前进。这就是为什么我决定写下我给年轻时的自己的一些建议，以帮助那些刚刚开始软件工程工作的职业旅程的人。如果我能回到过去，这些是我作为软件工程师会教给年轻的自己的18条建议（本篇展示10-18条，上篇已展示1-9条）: 十、持续学习：提高技能/重新技能的计划 数字世界正高速向前发展，软件工程师不仅要了解自己的技术

  • 渗透测试--实验一

    实验一网络扫描与网络侦察 说明：红色部分无需写入实验报告。实验完成后形成实验报告电子版。 实验目的：理解网络扫描、网络侦察的作用；通过搭建网络渗透测试平台，了解并熟悉常用搜索引擎、扫描工具的应用，通过信息收集为下一步渗透工作打下基础。 系统环境：KaliLinux2、Windows 网络环境：交换网络结构 实验工具：Metasploitable2（需自行下载虚拟机镜像）；Nmap（Kali）；WinHex、数据恢复软件等 实验原理： 1、网络扫描与网络侦察的目的 黑客在进行一次完整的攻击之前除了确定攻击目标之外，最主要的工作就是收集尽量多的关于攻击目标的信息。这些信息主要包括目标的操作系统类型及版本、目标提供哪些服务、各服务的类型、版本以及相关的社会信息。 攻击者搜集目标信息一般采用七个基本的步骤： （1）找到初始信息，比如一个IP地址或者一个域名； （2）找到网络地址范围，或者子网掩码； （3）找到活动机器； （4）找到开放端口和入口点； （5）弄清操作系统； （6）弄清每个端口运行的是哪种服务； （7）找到目标可能存在的漏洞。 2、GoogleHacking（或baidu） Goo

  • 基于Jquery的页面过渡效果(原创)

    <!DOCTYPEhtml> <htmlxmlns="http://www.w3.org/1999/xhtml"> <headrunat="server"> <title></title> <metacontent="width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no" name="viewport"> <styletype="text/css"> * { box-sizing:border-box; } Body { width:350px; height:100%; border:0px; margin:0px; padding:0px; } #Page { width:100%; height:100%; border:0px; margin:0px; padding:0px; } #NextPage { width:100%; height:100%; border:0

相关推荐

推荐阅读