基于 Python 的顺次文本拼接：以 MCD 数控文件为例

在工业自动化与数控加工领域，常会遇到将多个同构文本文件（如发那科或三菱系统的宏程序，扩展名常为 .mcd 或 .nc）按既定顺序合并为单一文件的需求。这种拼接并非简单的二进制拷贝，而是需要处理文本编码、换行符兼容性、文件边界衔接以及容错等底层细节。本文以四个典型文件 O1001.mcd、O1002.mcd、O300X1.mcd、O300X2.mcd 为对象，深入剖析基于 Python 实现的顺次拼接方案，并给出生产级可用的完整代码。

---

文本拼接的本质与设计考量

拼接操作的本质是将多个字符流按顺序连接成一个新的字符流，但若直接使用 read() + write() 机械拼接，会忽略三个关键问题：

1. 文件末尾与开头粘连 ：若前一个文件最后一行没有换行符，而后一个文件第一行紧接其后，则两行会合并为一行，破坏数控系统的行号或指令结构。因此必须在文件间插入换行符（\n），但插入数量需谨慎------过多会产生多余空行，过少则无法分隔。合理策略是去除每个文件尾部的空白字符（rstrip()），再在文件间固定追加一个换行符，既保证分隔又避免冗余空行。

2. 字符编码不一致 ：不同来源的文本文件可能采用 UTF-8、GBK 或 latin-1 等编码。若不指定编码，Python 在 Windows 下可能默认使用 cp936，在 Linux 下默认 UTF-8，导致解码异常。稳健做法是显式指定编码，并设置 errors='ignore' 或 'replace' 来容错非关键字符。

3. 程序首尾标识 ：许多数控系统要求程序以 % 开始并以 % 结束。合并后的文件只需保留最外层的起始与结束符，内部文件的 % 若保留可能导致系统解析混乱。因此拼接时需根据需求决定是否过滤或统一添加外层标识，此方案默认不添加额外标记，仅做纯内容合并，若需外层包裹可在输出前预处理字符串。

---

深度实现：流式读写与内存优化

当文件总大小可控时（通常数控程序不超过几 MB），一次性读入内存是最高效的方式。但若面对海量文件，则应采用逐块读写以减少内存占用。本文代码采用一次性读入，因为工业场景下的单个 MCD 文件通常小于 1 MB，四个文件合并后内存开销可忽略不计，且代码简洁易维护。

核心算法流程如下：

• 遍历输入文件名列表，按顺序打开每个文件。
• 读取全部内容后，执行 rstrip() 剔除尾部空白（包括换行、空格、制表符），保留头部缩进。
• 若非首个文件且内容非空，则向输出缓冲区写入一个换行符作为分隔。
• 写入当前文件内容。
• 完成后将缓冲区统一写入目标文件。

该流程保证了拼接结果的确定性：任意两个文件之间恰好一个换行符，且不引入额外空行。数学上，若记第 iii 个文件的内容为 CiC_iCi，去除尾部空白后为 Ci′C_i'Ci′，则合并结果为：

Result=C1′+Δ+C2′+Δ+⋯+Cn′ \text{Result} = C_1' + \Delta + C_2' + \Delta + \cdots + C_n' Result=C1′+Δ+C2′+Δ+⋯+Cn′

其中 Δ\DeltaΔ 表示一个换行符（\n），当 n=1n=1n=1 时 Δ\DeltaΔ 不出现。此公式确保了每个文件的结尾与下一个文件的开头在逻辑上分属不同行。

---

完整代码及解析

以下代码包含主函数 merge_text_files，支持自定义编码、分隔符，并具备完善的异常处理与日志输出。可直接复制使用，只需修改 file_list 与 output_path 变量。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import os
import sys

def merge_text_files(
    input_files: list,
    output_file: str,
    encoding: str = 'utf-8',
    separator: str = '\n',
    verbose: bool = True
) -> int:
    """
    顺次拼接多个文本文件为一个文件。

    参数:
        input_files : 按顺序排列的文件路径列表
        output_file : 输出文件路径
        encoding    : 读取与写入使用的字符编码，默认 utf-8
        separator   : 文件间插入的分隔字符串，默认换行符 '\n'
        verbose     : 是否打印进度信息

    返回:
        成功拼接的文件数（int）
    """
    if not input_files:
        print("警告: 输入文件列表为空，未产生输出。")
        return 0

    merged_parts = []
    success_count = 0

    for idx, fpath in enumerate(input_files):
        if not os.path.isfile(fpath):
            print(f"警告: 文件 '{fpath}' 不存在，已跳过。")
            continue

        try:
            with open(fpath, 'r', encoding=encoding, errors='ignore') as f:
                content = f.read()
        except Exception as e:
            print(f"错误: 读取文件 '{fpath}' 失败: {e}")
            continue

        # 去除尾部空白，保留行内结构
        stripped = content.rstrip()

        # 若非空，则追加到缓冲区
        if stripped:
            # 在非首个有效文件前插入分隔符
            if merged_parts and separator:
                merged_parts.append(separator)
            merged_parts.append(stripped)
            success_count += 1
            if verbose:
                print(f"已处理: {fpath} (原始大小 {len(content)} 字符，有效 {len(stripped)} 字符)")
        else:
            if verbose:
                print(f"跳过空文件: {fpath}")

    if not merged_parts:
        print("错误: 没有读取到任何有效内容，输出文件不会被创建。")
        return 0

    try:
        with open(output_file, 'w', encoding=encoding) as f_out:
            f_out.write(''.join(merged_parts))
        if verbose:
            total_chars = sum(len(part) for part in merged_parts)
            print(f"\n合并成功: {output_file} (总字符数 {total_chars}, 合并文件数 {success_count})")
        return success_count
    except Exception as e:
        print(f"错误: 写入输出文件 '{output_file}' 失败: {e}")
        return 0


if __name__ == "__main__":
    # 设定待拼接的文件列表（按顺序）
    file_list = [
        "O1001.mcd",
        "O1002.mcd",
        "O300X1.mcd",
        "O300X2.mcd"
    ]

    # 输出文件名
    out_file = "merged_output.mcd"

    # 执行合并，使用 UTF-8 编码，文件间以换行分隔
    merged_count = merge_text_files(file_list, out_file, encoding='utf-8', separator='\n')

    # 可根据返回值判断是否完全成功
    if merged_count < len(file_list):
        print(f"注意: 实际合并 {merged_count} 个文件，预期 {len(file_list)} 个。")
    else:
        print("所有文件已成功合并。")

---

代码的深度设计点

• 容错与健壮性 ：每个文件独立 try-except，单个文件读取失败不影响其余文件。同时通过 os.path.isfile 预先检查存在性，避免 open 抛出 FileNotFoundError。
• 编码处理 ：采用 errors='ignore' 策略，当遇到非法字节序列时直接跳过，保证程序不中断。这在处理混合编码的遗留文件时尤为关键。若希望更严格，可改用 errors='strict' 或 'replace'。
• 分隔符灵活 ：将分隔符作为参数 separator 开放，用户可传入 '\n\n' 实现双换行，或传入 '\r\n' 兼容 Windows 换行，甚至传入自定义注释行（如 '\n% === 文件分割 ===\n'）来标记边界，无需修改核心逻辑。
• 内存效率 ：虽然采用 list 暂存全部内容，但在典型应用场景下足以胜任。若需处理超大文件（GB 级），可将 merged_parts 改为临时文件或使用 io.StringIO，并在循环中边读边写，但本例为保持清晰性未采用。
• 统计与反馈：返回实际合并的文件数，便于调用者判断是否全部成功。同时输出每个文件的原始长度与有效长度，帮助调试编码或空白字符问题。

---

关于换行符的数学补遗

不同操作系统对换行符的定义不同：Unix/Linux 使用 \n（LF），Windows 使用 \r\n（CRLF），旧版 Mac 使用 \r。Python 在文本模式下默认会将系统原生换行转换为 \n（通用换行支持）。若需保留原始换行风格，应当以二进制模式 'rb' 读取并以 'wb' 写入，但那样会失去字符编码转换能力，且无法处理跨平台换行差异。本方案在文本模式下统一使用 \n 作为内部表示，写入时 Python 会根据操作系统自动转换为对应换行符（若以 'w' 模式打开）。因此最终输出文件的换行风格与运行平台一致，这在数控系统（通常运行于 Windows 或嵌入式 Linux）中通常可接受。若需强制指定输出换行符，可在写入前将 separator 设为 '\r\n'，并调用 newline='' 参数控制，但本代码已通过参数化设计支持该扩展。

---

运行与验证

将上述脚本保存为 merge_mcd.py，与四个 .mcd 文件置于同一目录，执行：

python merge_mcd.py

终端将打印处理进度，最终生成 merged_output.mcd。可打开该文件检查首尾衔接是否自然------例如，若 O1001.mcd 最后一行是 G00 X100.，而 O1002.mcd 第一行是 Y200.，合并后这两行会变为相邻两行，符合数控程序逐行执行的要求。

若需去掉文件间的换行（即完全无缝连接），只需将 separator='' 传入即可，但此情形极少使用，因为会破坏行的独立性。

---

扩展思考：从拼接走向工程化

上述核心函数可轻松集成到更复杂的构建流程中，例如：

• 从配置文件中读取文件列表和输出路径。
• 支持通配符（如 glob.glob("O*.mcd")）自动排序后拼接。
• 添加文件头尾的固定模板，如自动在最前添加 %，在最后添加 %，并移除内部文件的重复 % 标记。
• 支持差异对比：合并前校验每个文件的程序号（O 后数字）是否重复，避免冲突。

这些进阶需求都可以基于此基础函数进行二次封装，而本文提供的代码已经奠定了稳健的核心。

总之，文本拼接虽看似简单，但细节决定成败。通过合理的抽象、参数化设计和对字符边界的精确控制，我们的 Python 实现不仅能满足当下四个文件的合并需求，更能作为通用工具应对未来更多样的拼接场景。