本文將通過一下幾個(gè)方面來一一進(jìn)行解決

????? 1、程序的主要功能

????? 2、實(shí)現(xiàn)過程

????? 3、類的定義

????? 4、用生成器generator動(dòng)態(tài)更新每個(gè)對(duì)象并返回對(duì)象

????? 5、使用strip 去除不必要的字符

????? 6、rematch匹配字符串

????? 7、使用timestrptime提取字符串轉(zhuǎn)化為時(shí)間對(duì)象

????? 8、完整代碼

程序的主要功能

現(xiàn)在有個(gè)存儲(chǔ)用戶信息的像表格一樣的文檔：第一行是屬性，各個(gè)屬性用逗號(hào)(，)分隔，從第二行開始每行是各個(gè)屬性對(duì)應(yīng)的值，每行代表一個(gè)用戶。如何實(shí)現(xiàn)讀入這個(gè)文檔，每行輸出一個(gè)用戶對(duì)象呢？
另外還有4個(gè)小要求：

每個(gè)文檔都很大，如果一次性把所有行生成的那么多對(duì)象存成列表返回，內(nèi)存會(huì)崩潰。程序中每次只能存一個(gè)行生成的對(duì)象。

用逗號(hào)隔開的每個(gè)字符串，前后可能有雙引號(hào)（”）或者單引號(hào)（'）,例如”張三“，要把引號(hào)去掉；如果是數(shù)字，有+000000001.24這樣的，要把前面的+和0都去掉，提取出1.24

文檔中有時(shí)間，形式可能是2013-10-29，也可能是2013/10/29 2:23:56 這樣的形式，要把這樣的字符串轉(zhuǎn)成時(shí)間類型

這樣的文檔有好多個(gè)，每個(gè)的屬性都不一樣，例如這個(gè)是用戶的信息，那個(gè)是通話紀(jì)錄。所以類中的具體屬性有哪些要根據(jù)文檔的第一行動(dòng)態(tài)生成

實(shí)現(xiàn)過程

1.類的定義

由于屬性是動(dòng)態(tài)添加的，屬性-值 對(duì)也是動(dòng)態(tài)添加的，類中要含有 updateAttributes（） 和 updatePairs（） 兩個(gè)成員函數(shù)即可,此外用列表 attributes 存儲(chǔ)屬性，詞典 attrilist 存儲(chǔ)映射。其中 init() 函數(shù)為構(gòu)造函數(shù)。 __attributes 前有下劃線表示私有變量，不能在外面直接調(diào)用。實(shí)例化時(shí)只需 a=UserInfo() 即可，無需任何參數(shù)。

            
class UserInfo(object):
 'Class to restore UserInformation'
 def __init__ (self):
  self.attrilist={}
  self.__attributes=[]
 def updateAttributes(self,attributes):
  self.__attributes=attributes
 def updatePairs(self,values):
  for i in range(len(values)):
   self.attrilist[self.__attributes[i]]=values[i]
          

2.用生成器（generator）動(dòng)態(tài)更新每個(gè)對(duì)象并返回對(duì)象

生成器相當(dāng)于一個(gè)只需要初始化一次，就可自動(dòng)運(yùn)行多次的函數(shù)，每次循環(huán)返回一個(gè)結(jié)果。不過函數(shù)用 return 返回結(jié)果，而生成器用 yield 返回結(jié)果。每次運(yùn)行都在 yield 返回，下一次運(yùn)行從 yield 之后開始。例如，我們實(shí)現(xiàn)斐波拉契數(shù)列，分別用函數(shù)和生成器實(shí)現(xiàn)：

            
def fib(max):
 n, a, b = 0, 0, 1
 while n < max:
  print(b)
  a, b = b, a + b
  n = n + 1
 return 'done'
          

我們計(jì)算數(shù)列的前6個(gè)數(shù)：

            
>>> fib(6)
1
1
2
3
5
8
'done'
          

如果用生成器的話，只要把 print 改成 yield 就可以了。如下：

            
def fib(max):
 n, a, b = 0, 0, 1
 while n < max:
  yield b
  a, b = b, a + b
  n = n + 1
          

使用方法：

            
>>> f = fib(6)
>>> f

            
              
>>> for i in f:
...  print(i)
... 
1
1
2
3
5
8
>>> 
            
          

可以看到，生成器fib本身是個(gè)對(duì)象，每次執(zhí)行到y(tǒng)ield會(huì)中斷返回一個(gè)結(jié)果，下次又繼續(xù)從 yield 的下一行代碼繼續(xù)執(zhí)行。生成器還可以用 generator.next() 執(zhí)行。

在我的程序中，生成器部分代碼如下：

            
def ObjectGenerator(maxlinenum):
 filename='/home/thinkit/Documents/usr_info/USER.csv'
 attributes=[]
 linenum=1
 a=UserInfo()
 file=open(filename)
 while linenum < maxlinenum:
  values=[]
  line=str.decode(file.readline(),'gb2312')#linecache.getline(filename, linenum,'gb2312')
  if line=='':
   print'reading fail! Please check filename!'
   break
  str_list=line.split(',')
  for item in str_list:
   item=item.strip()
   item=item.strip('\"')
   item=item.strip('\'')
   item=item.strip('+0*')
   item=catchTime(item)
   if linenum==1:
    attributes.append(item)
   else:
    values.append(item)
  if linenum==1:
   a.updateAttributes(attributes)
  else:
   a.updatePairs(values)
   yield a.attrilist #change to ' a ' to use
  linenum = linenum +1
          

其中， a=UserInfo() 為類 UserInfo 的實(shí)例化.因?yàn)槲臋n是gb2312編碼的，上面使用了對(duì)應(yīng)的解碼方法。由于第一行是屬性，有個(gè)函數(shù)將屬性列表存入 UserInfo 中，即 updateAttributes(); 后面的行則要將 屬性-值 對(duì)讀入一個(gè)字典中存儲(chǔ)。 p.s.python 中的字典相當(dāng)于映射（map）.

3.使用strip 去除不必要的字符

從上面代碼中，可以看到使用 str.strip(somechar) 即可去除str前后的 somechar 字符。 somechar 可以是符號(hào)，也可以是正則表達(dá)式，如上：

            
item=item.strip()#除去字符串前后的所有轉(zhuǎn)義字符，如\t,\n等
item=item.strip('\"')#除去前后的"
item=item.strip('\'')
item=item.strip('+0*')#除去前后的+00...00，*表示0的個(gè)數(shù)可以任意多，也可以沒有
          

4.re.match匹配字符串

函數(shù)語(yǔ)法：

            
re.match(pattern, string, flags=0)
          

函數(shù)參數(shù)說明：

參數(shù)?????????? 描述

pattern??? ?? 匹配的正則表達(dá)式

string??????? ?要匹配的字符串。

flags????????? 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。

若匹配成功re.match方法返回一個(gè)匹配的對(duì)象，否則返回None。`

>>> s='2015-09-18'
>>> matchObj=re.match(r'\d{4}-\d{2}-\d{2}',s, flags= 0)
>>> print matchObj
<_sre.SRE_Match object at 0x7f3525480f38>
1
2
3
4
5

5.使用time.strptime提取字符串轉(zhuǎn)化為時(shí)間對(duì)象

在 time 模塊中, time.strptime(str,format) 可以把 str 按照 format 格式轉(zhuǎn)化為時(shí)間對(duì)象， format 中的常用格式有：

???? %y 兩位數(shù)的年份表示（00-99）

???? %Y 四位數(shù)的年份表示（000-9999）

???? %m 月份（01-12）

?????%d 月內(nèi)中的一天（0-31）

???? %H 24小時(shí)制小時(shí)數(shù)（0-23）

???? %I 12小時(shí)制小時(shí)數(shù)（01-12）

???? %M 分鐘數(shù)（00=59）

???? %S 秒（00-59）

此外，還需要使用 re 模塊，用正則表達(dá)式，對(duì)字符串進(jìn)行匹配，看是否是一般時(shí)間的格式，如 YYYY/MM/DD H:M:S, YYYY-MM-DD 等

在上面的代碼中，函數(shù)catchTime就是判斷item是否為時(shí)間對(duì)象，是的話轉(zhuǎn)化為時(shí)間對(duì)象。

代碼如下：

            
import time
import re

def catchTime(item):
 # check if it's time
 matchObj=re.match(r'\d{4}-\d{2}-\d{2}',item, flags= 0)
 if matchObj!= None :
  item =time.strptime(item,'%Y-%m-%d')
  #print "returned time: %s " %item
  return item
 else:
  matchObj=re.match(r'\d{4}/\d{2}/\d{2}\s\d+:\d+:\d+',item,flags=0 )
  if matchObj!= None :
   item =time.strptime(item,'%Y/%m/%d %H:%M:%S')
   #print "returned time: %s " %item
  return item
          

完整代碼：

            
import collections
import time
import re

class UserInfo(object):
 'Class to restore UserInformation'
 def __init__ (self):
  self.attrilist=collections.OrderedDict()# ordered
  self.__attributes=[]
 def updateAttributes(self,attributes):
  self.__attributes=attributes
 def updatePairs(self,values):
  for i in range(len(values)):
   self.attrilist[self.__attributes[i]]=values[i]

def catchTime(item):
 # check if it's time
 matchObj=re.match(r'\d{4}-\d{2}-\d{2}',item, flags= 0)
 if matchObj!= None :
  item =time.strptime(item,'%Y-%m-%d')
  #print "returned time: %s " %item
  return item
 else:
  matchObj=re.match(r'\d{4}/\d{2}/\d{2}\s\d+:\d+:\d+',item,flags=0 )
  if matchObj!= None :
   item =time.strptime(item,'%Y/%m/%d %H:%M:%S')
   #print "returned time: %s " %item
  return item


def ObjectGenerator(maxlinenum):
 filename='/home/thinkit/Documents/usr_info/USER.csv'
 attributes=[]
 linenum=1
 a=UserInfo()
 file=open(filename)
 while linenum < maxlinenum:
  values=[]
  line=str.decode(file.readline(),'gb2312')#linecache.getline(filename, linenum,'gb2312')
  if line=='':
   print'reading fail! Please check filename!'
   break
  str_list=line.split(',')
  for item in str_list:
   item=item.strip()
   item=item.strip('\"')
   item=item.strip('\'')
   item=item.strip('+0*')
   item=catchTime(item)
   if linenum==1:
    attributes.append(item)
   else:
    values.append(item)
  if linenum==1:
   a.updateAttributes(attributes)
  else:
   a.updatePairs(values)
   yield a.attrilist #change to ' a ' to use
  linenum = linenum +1

if __name__ == '__main__':
 for n in ObjectGenerator(10):
  print n  #輸出字典，看是否正確
          

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容，希望能對(duì)大家的學(xué)習(xí)或者工作帶來一定幫助，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。