English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية
Эта статья будет решать проблему по следующим аспектам по одному.
1. Основная функция программы
2. Процесс реализации
3. Определение класса
4. Использование генератора generator для динамического обновления каждого объекта и возврата объекта
5. Использование strip для удаления ненужных символов
6. rematch для соответствия строки
7. Использование timestrptime для преобразования строки в объект времени
8. Полный код
Основная функция программы
В настоящее время есть документ, хранящий информацию о пользователях, подобный таблице:第一行 - атрибуты, различные атрибуты разделены запятыми (,). С второго ряда каждая строка представляет собой значение соответствующего атрибута, каждая строка представляет одного пользователя. Как реализовать чтение этого документа и вывод объекта пользователя на каждую строку?
Кроме того, есть еще 4 небольших требования:
Каждый документ очень велик, если все строки генерируемые объекты сохраняются в список за один раз, память может выйти из строя. В программе можно сохранять только один объект, сгенерированный одной строкой.
用逗号隔开的每个字符串，前后可能有双引号（”）或者单引号（'）,例如”张三“，要把引号去掉；如果是数字，有+000000001.24这样的，要把前面的+和0都去掉，提取出1.24
文档中有时间，形式可能是2013-10-29，也可能是2013/10/29 2:23:56 这样的形式，要把这样的字符串转成时间类型
这样的文档有好多个，每个的属性都不一样，例如这个是用户的信息，那个是通话纪录。所以类中的具体属性有哪些要根据文档的第一行动态生成
实现过程
1.类的定义
由于属性是动态添加的，属性-值 对也是动态添加的，类中要含有updateAttributes（）和updatePairs（）两个成员函数即可,此外用列表attributes存储属性，词典attrilist存储映射。其中init()函数为构造函数。 __attributes前有下划线表示私有变量，不能在外面直接调用。实例化时只需a=UserInfo()即可，无需任何参数。
class UserInfo(object):
'Класс для восстановления информации о пользователе'
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）动态更新每个对象并返回对象
生成器相当于一个只需要初始化一次，就可自动运行多次的函数，每次循环返回一个结果。不过函数用return 返回结果，而生成器用yield 返回结果。每次运行都在yield返回，下一次运行从yield之后开始。例如，我们实现斐波拉契数列，分别用函数和生成器实现：
def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done'
我们计算数列的前6个数：
>>> fib(6) 1 1 2 3 5 8 'done'
如果用生成器的话，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 <generator object fib at 0x104feaaa0> >>> for i in f: ... print(i) ... 1 1 2 3 5 8 >>>
可以看到，生成器fib本身是个对象，每次执行到yield会中断返回一个结果，下次又继续从yield的下一行代码继续执行。生成器还可以用generator.next()执行。
在我的程序中，生成器部分的代码如下：
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()为类UserInfo的实例化。因为文档是gb2312编码的，上面使用了对应的解码方法。由于第一行是属性，有一个函数将属性列表存入UserInfo中，即updateAttributes();后面的行则要将 属性-值 对读入一个字典中存储。p.s. python中的字典相当于映射（map）。
3.使用strip 去除不必要的字符
从上面的代码中，可以看到使用str.strip(somechar)即可去除str前后的somechar字符。somechar可以是符号，也可以是正则表达式，如上：
item=item.strip()#去除字符串前后的所有转义字符，如\t,\n等
item=item.strip('\"')#去除前后的"
item=item.strip('\'')
item=item.strip('+0*')#去除前后的+00...00，*表示0的个数可以任意多，也可以没有
4.re.match匹配字符串
函数语法：
re.match(pattern, string, flags=0)
函数参数说明：
参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
如果匹配成功，re.match方法返回一个匹配的对象，否则返回None。
>>> s='2015-09-18'
>>> matchObj=re.match(r'\d{4}-\d{2}-\d{2}',s, flags= 0)
>>> print matchObj
<_sre.SRE_Match объект в 0x7f3525480f38>
1
2
3
4
5
5.使用time.strptime提取字符串转换为时间对象
在time模块中，time.strptime(str, format)可以将str按照format格式转换为时间对象，format中的常用格式有：
%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月中的某一天（0-31）
%H 24小时制的小时数（0-23）
%I час по 12-часовому формату (01-12)
%M минута (00-59)
%S секунды (00-59)
Кроме того, необходимо использовать модуль re, чтобы с помощью регулярных выражений проверять,是否符合 общему формату времени, например YYYY/MM/DD H:M:S, YYYY-MM-DD и т.д.
В приведенном выше коде функция catchTime определяет, является ли item объектом времени, и если да, то преобразует его в объект времени.
Код следующий:
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
Полный код:
import collections
import time
import re
class UserInfo(object):
'Класс для восстановления информации о пользователе'
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 # Вывод словаря, проверка правильности
Обобщение
Вот и все статьи, надеюсь, они помогут вам в изучении или работе. Если у вас есть вопросы, оставляйте комментарии для обсуждения, спасибо за поддержку呐喊 руководства.