作者Lyumin (玉米)
看板Python
标题[问题] 输出到文件的格式能分别设定吗
时间Fri Aug 20 12:28:28 2021
各位大大好，小弟刚接触python约一个月
目前都是在yt看影片自学
上周终於学到网页爬虫，范例是抓PTT版面标题
於是就自己写了一个抓取留言的小程式
也经过了很多次的修改後把内文跟作者ID之类的加上去
最近终於修改完成了
只是我发现输出到记事本的格式挺让人眼花的
想问看看有没有办法让推文标签ID及内容置左 时间置右这样去做输出
不管怎麽做好像都没有办法让格式整齐点
所以上来问问看有没有甚麽方法可以做到
程式有点长放在github里
https://reurl.cc/qg7On3
应该有很多地方可以精简，还在学习中请见谅
另外也有发现抓内容部分可能会因为发文者的文字习惯会有bug产生
更新
目前输出到记事本的推文部分是这样
推 ddavid: 置左置右这些可以去查一下Python format string的各种用法 08/20 12:45
→ Lyumin: 查到都是print的用法 用在file.write里好像没作用 08/20 12:50
推 lycantrope: 你有查string format align? string先format再写入吧 08/20 13:10
我想输出成以下这样
推 ddavid: 置左置右这些可以去查一下Python format string的各种用法 08/20 12:45
→ Lyumin: 查到都是print的用法 用在file.write里好像没作用 08/20 12:50
推 lycantrope: 你有查string format align? string先format再写入吧 08/20 13:10
程式是用while去做回圈然後输出 试过"{:>8}".format()还是没办法对齐
file.write(tag[x].text+id[x].text+msg[x].text+time[x].text)
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.35.43.66 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1629433719.A.118.html
1F：推 ddavid: 置左置右这些可以去查一下Python format string的各种用法 08/20 12:45
2F：→ Lyumin: 查到都是print的用法 用在file.write里好像没作用 08/20 12:50
3F：推 lycantrope: 你有查string format align? string先format再写入吧 08/20 13:10
5F：→ ddavid: 其实你问题里也可以附上输出的范例 08/20 13:52
6F：→ ddavid: 然後做法是先建好format string，才把该string写入档案 08/20 13:53
7F：推 s0914714: 先印看看字串是不是符合你预期 再写入档案应该就OK 08/20 14:03
※ 编辑: Lyumin (114.35.43.66 台湾), 08/20/2021 15:29:39
8F：推 s0914714: format里面要有参数 print("{:<10}123".format("你好")) 08/20 16:00
9F：→ s0914714: 可以先试试小功能再慢慢组合起来 08/20 16:00
有的有试过下面，只是要完全对再一起感觉不可能
file.write("{:<3}".format(tag[x].text)+"{:<3}".format(id[x].text)+"{:<50}".format(msg[x].text)+"{:>50}".format(time[x].text))
※ 编辑: Lyumin (114.35.43.66 台湾), 08/20/2021 16:10:32
10F：推 s0914714: 你应该是遇到中文对齐的问题 08/20 16:23
11F：推 ddavid: 你能实际给对齐失败的例子吗，搞不太清楚你的问题是哪一种 08/20 16:29
12F：→ ddavid: 不知道是你对齐设定下错、上面说的中文还是资料特殊例外 08/20 16:30
13F：推 lycantrope: id加上冒号空格最长就14字，靠右对齐应该是"{:<14}"吧 08/20 16:34
14F：→ lycantrope: 推文本身中英混杂，要先处理全半形长度不同才补空格 08/20 16:35
15F：→ Lyumin: 原来ID加冒号最长是14！我是测试15可以让标签到冒号对齐， 08/20 16:53
16F：→ Lyumin: 只是目前推文内容跟时间还没办法，全打英文的最长字元是52 08/20 16:53
17F：→ Lyumin: ，这部分我就不太懂怎麽去切了 08/20 16:54
20F：推 lycantrope: 你可以用unicodedata.east_asian_width 去计算width啦 08/20 17:07
21F：→ Lyumin: 脑袋还是卡关中，推文加空格到日期是54，但日期就是没对齐 08/20 18:02
22F：推 TitanEric: 怎麽不乾脆写成CSV 08/20 19:06
23F：推 lycantrope: 直接弄成dataframe一切都解决，坚持用plain text太累 08/20 19:49
24F：推 art1: 问题应该出在 format 不管对英文或中文都是算一个字元宽？ 08/20 21:19
25F：→ art1: 所以你必须先算出实际的单字元总宽度再动态调整要用来对齐的 08/20 21:21
26F：→ art1: 数字 08/20 21:21
27F：→ art1: 或是直接修改 format 原始码让他把中文当成双位元的字宽 08/20 21:23
29F：→ art1: 之前用一个自动换行的函式，也是去改原始码才解决这问题 08/20 21:30
感谢大大，用这个方法解决了，只是我有个疑问为什麽max count=60，
是因为使用unicodedata.east_asian_width查出来最大的字串是58只要设比他大就好吗?
另外既然知道最大字元数是58，为什用format string的置左会没有效果?
https://reurl.cc/7rGY6D 今天增加好多知识阿
※ 编辑: Lyumin (114.41.38.123 台湾), 08/21/2021 01:07:36
31F：→ Hsins: 批踢踢的 BBS 本身是 Big5 编码，要算字元长度补空格的话， 08/21 03:20
32F：→ Hsins: 建议可以将中英混合的字串转成 big5 再算长度 08/21 03:20
33F：→ Hsins: 比如 'ptt'.encode('big5') 的结果会是 3 08/21 03:20
34F：→ Hsins: '批踢踢'.encode('big5') 的结果会是 6 08/21 03:21
35F：→ Hsins: len('ptt'.encode('big5')) 08/21 03:22
36F：→ Hsins: len('批踢踢'.encode('big5')) 08/21 03:22
37F：推 lycantrope: 原来可以用big5来计算，又学到一招了。 08/21 17:45
38F：→ Lyumin: 咦..不是utf8编码吗? 08/23 00:30