最近在處理文件時(shí)需要將一行文本按照一定的分隔符分成多行。如
ABC123,1,2,1!#2,3,4!#5!#6
ABC123是ID，后面的是屬性，按‘，’分割的第4列，第6列都有不同的屬性，用！#分割，如4！#5！#6，我想要拆成
ABC123,1,2,1,3,4
ABC123,,,2,,5
ABC123,,,,,6
直接上代碼：
# -*- coding:utf-8 -*-
import
sys
import
time
# 原始文件
inputfile
=
sys
.
argv
[
1
]
#第一層分隔符，如','
split1
=
sys
.
argv
[
2
]
#第二層分隔符，如'！#'
split2
=
sys
.
argv
[
3
]
#輸出文件的分隔符
Osplit
=
sys
.
argv
[
4
]
#打開(kāi)文件，f為輸入；o為log；r為輸出
f
=
open
(
inputfile
,
'r+'
)
o
=
open
(
'log.txt'
,
'w+'
)
r
=
open
(
inputfile
+
"_output"
,
'w+'
)
#寫下開(kāi)始時(shí)間
o
.
write
(
"["
+
time
.
strftime
(
"%Y-%m-%d %H:%M:%S"
,
time
.
localtime
(
)
)
+
"]Start to Process: "
+
inputfile
+
"\n"
)
all
=
0
#按行處理
for
(
num
,
i
)
in
enumerate
(
f
)
:
ListLine
=
i
.
strip
(
'\n'
)
.
split
(
split1
)
#去除換行符，按照分隔符1拆成一個(gè)數(shù)組
ListField
=
[
]
for
s1
in
range
(
len
(
ListLine
)
)
:
#按照分隔符2拆成一個(gè)二維數(shù)組
ListField
.
append
(
ListLine
[
s1
]
.
split
(
split2
)
)
FileMax
=
0
for
s
in
range
(
1
,
len
(
ListField
)
)
:
#獲取某列最多屬性的個(gè)數(shù)
if
(
FileMax
<
len
(
ListField
[
s
]
)
)
:
FileMax
=
len
(
ListField
[
s
]
)
for
s2
in
range
(
FileMax
)
:
#打印文件
r
.
write
(
ListField
[
0
]
[
0
]
+
Osplit
)
for
s
in
range
(
1
,
len
(
ListField
)
)
:
try
:
if
(
s
==
len
(
ListField
)
-
1
)
:
r
.
write
(
ListField
[
s
]
[
s2
]
)
else
:
r
.
write
(
ListField
[
s
]
[
s2
]
+
Osplit
)
except
IndexError
:
if
(
s
==
len
(
ListField
)
-
1
)
:
r
.
write
(
""
)
else
:
r
.
write
(
Osplit
)
r
.
write
(
"\n"
)
all
+=
FileMax
if
(
(
num
+
1
)
%
1000
==
0
)
:
#每處理1000行，打印日志，目的是看下處理大文件時(shí)看處理了多少行
o
.
write
(
"["
+
time
.
strftime
(
"%Y-%m-%d %H:%M:%S"
,
time
.
localtime
(
)
)
+
"]Processed "
+
str
(
num
+
1
)
+
" inputfile Line! Generated "
+
str
(
all
)
+
" outputfile Line!"
+
"\n"
)
o
.
write
(
"["
+
time
.
strftime
(
"%Y-%m-%d %H:%M:%S"
,
time
.
localtime
(
)
)
+
"]Finished Processing: "
+
inputfile
+
"\n"
)
f
.
close
(
)
o
.
close
(
)
r
.
close
(
)
執(zhí)行方法：控制臺(tái)
python ./array.py array.txt
","
"!#"
"|"
實(shí)測(cè)70萬(wàn)條記錄的文件拆成了1700+萬(wàn)條的文件。
筆記本CPU：Intel? Core? i7-6600U CPU @ 2.60GHz 2.81GHz，用了將近半小時(shí)
服務(wù)器CPU：Intel? Xeon? CPU E5-2686 v4 @ 2.30GHz，用了10分鐘
然后用shell分文件起了多個(gè)腳本（研究了半天python多線程，放棄了）。時(shí)間縮短到6分鐘。
main
(
)
{
if
[
$
# -eq 4 ];then
echo
`
date
+%Y-%m-%d:%H:%M:%S
`
Start
!
threadNum
=
4
split
-n l/
${threadNum}
-d
$1
$1_
for
((
i
=
0
;
i
<
threadNum
;
i
++
))
do
python /data/Operation/iPinYou/data_apend_select/output_appended_attributes_data/array3.py
${1}
_0
${i}
$2
$3
$4
&
done
wait
cat
${1}
_*_output
>
${1}
_output
echo
`
date
+%Y-%m-%d:%H:%M:%S
`
Finished
!
else
echo
"Process Failed, Need Arguments[Input File, split 1, split 2, output split]."
exit
-1
fi
}
main
$@
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
