awk腳本如何移植到Python

本篇內(nèi)容主要講解“awk腳本如何移植到Python”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“awk腳本如何移植到Python”吧!

標(biāo)準(zhǔn) awk 到 Python 功能

以下 Python 功能是有用的，需要記?。?/p>

with open(some_file_name) as fpin:    for line in fpin:        pass # do something with line

此代碼將逐行循環(huán)遍歷文件并處理這些行。

如果要訪問行號（相當(dāng)于 awk 的 NR），則可以使用以下代碼：

with open(some_file_name) as fpin:    for nr, line in enumerate(fpin):        pass # do something with line

在 Python 中實(shí)現(xiàn)多文件的 awk 式行為

如果你需要能夠遍歷任意數(shù)量的文件同時(shí)保持行數(shù)的持續(xù)計(jì)數(shù)（類似 awk 的 FNR），則此循環(huán)可以做到這一點(diǎn)：

def awk_like_lines(list_of_file_names):    def _all_lines():        for filename in list_of_file_names:            with open(filename) as fpin:                yield from fpin    yield from enumerate(_all_lines())

此語法使用 Python 的生成器和 yield from 來構(gòu)建迭代器，該迭代器將遍歷所有行并保持一個(gè)持久計(jì)數(shù)。

如果你需要同時(shí)使用 FNR 和 NR，這是一個(gè)更復(fù)雜的循環(huán)：

def awk_like_lines(list_of_file_names):    def _all_lines():        for filename in list_of_file_names:            with open(filename) as fpin:                yield from enumerate(fpin)    for nr, (fnr, line) in _all_lines:        yield nr, fnr, line

更復(fù)雜的 FNR、NR 和行數(shù)的 awk 行為

如果 FNR、NR 和行數(shù)這三個(gè)你全都需要，仍然會有一些問題。如果確實(shí)如此，則使用三元組（其中兩個(gè)項(xiàng)目是數(shù)字）會導(dǎo)致混淆。命名參數(shù)可使該代碼更易于閱讀，因此最好使用 dataclass：

import dataclass @dataclass.dataclass(frozen=True)class AwkLikeLine:    content: str    fnr: int    nr: int def awk_like_lines(list_of_file_names):    def _all_lines():        for filename in list_of_file_names:            with open(filename) as fpin:                yield from enumerate(fpin)    for nr, (fnr, line) in _all_lines:        yield AwkLikeLine(nr=nr, fnr=fnr, line=line)

你可能想知道，為什么不一直用這種方法呢？使用其它方式的的原因是總用這種方法太復(fù)雜了。如果你的目標(biāo)是把一個(gè)通用庫更容易地從 awk 移植到  Python，請考慮這樣做。但是編寫一個(gè)可以使你確切地了解特定情況所需的循環(huán)的方法通常更容易實(shí)現(xiàn)，也更容易理解（因而易于維護(hù)）。

理解 awk 字段

一旦有了與一行相對應(yīng)的字符串，如果要轉(zhuǎn)換 awk 程序，則通常需要將其分解為字段。Python 有幾種方法可以做到這一點(diǎn)。這將把行按任意數(shù)量的連續(xù)空格拆分，返回一個(gè)字符串列表：

line.split()

如果需要另一個(gè)字段分隔符，比如以 : 分隔行，則需要 rstrip 方法來刪除最后一個(gè)換行符：

line.rstrip("\n").split(":")

完成以下操作后，列表 parts 將存有分解的字符串：

parts = line.rstrip("\n").split(":")

這種拆分非常適合用來處理參數(shù)，但是我們處于偏差一個(gè)的錯誤場景中?，F(xiàn)在 parts[0] 將對應(yīng)于 awk 的 $1，parts[1] 將對應(yīng)于 awk 的 $2，依此類推。之所以偏差一個(gè)，是因?yàn)?awk 計(jì)數(shù)“字段”從 1 開始，而 Python 從 0 開始計(jì)數(shù)。在 awk 中，$0 是整個(gè)行 —— 等同于 line.rstrip("\n")，而 awk 的 NF（字段數(shù)）更容易以 len(parts) 的形式得到。

移植 awk 字段到 Python

例如，讓我們將這個(gè)單行代碼“如何使用 awk 從文件中刪除重復(fù)行”轉(zhuǎn)換為 Python。

awk 中的原始代碼是：

awk '!visited[$0]++' your_file > deduplicated_file

“真實(shí)的” Python 轉(zhuǎn)換將是：

import collectionsimport sys visited = collections.defaultdict(int)for line in open("your_file"):    did_visit = visited[line]    visited[line] += 1    if not did_visit:        sys.stdout.write(line)

但是，Python 比 awk 具有更多的數(shù)據(jù)結(jié)構(gòu)。與其計(jì)數(shù)訪問次數(shù)（除了知道是否看到一行，我們不使用它），為什么不記錄訪問的行呢？

import sys visited = set()for line in open("your_file"):    if line in visited:        continue    visited.add(line)    sys.stdout.write(line)

編寫 Python 化的 awk 代碼

Python 社區(qū)提倡編寫 Python 化的代碼，這意味著它要遵循公認(rèn)的代碼風(fēng)格。更加 Python 化的方法將區(qū)分唯一性和輸入/輸出的關(guān)注點(diǎn)。此更改將使對代碼進(jìn)行單元測試更加容易：

def unique_generator(things):    visited = set()    for thing in things:        if thing in visited:            continue        visited.add(things)        yield thing import sys   for line in unique_generator(open("your_file")):    sys.stdout.write(line)

將所有邏輯置于輸入/輸出代碼之外，可以更好地分離問題，并提高代碼的可用性和可測試性。

到此，相信大家對“awk腳本如何移植到Python”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！