python - 图书的 CSV 解析

Question

我在解析一个 csv 文件的项目时遇到问题，该文件将包含教科书的章节和小节，看起来像这样:

Chapter, Section, Lesson  #this line shows how the book will be organized
Ch1Name, Secion1Name, Lesson1Name
Ch1Name, Secion2Name, Lesson1Name
Ch1Name, Secion2Name, Lesson2Name

我正在为每个部分创建 Django 模型对象，每个部分都有一个 parent 属性，这是它所在的父部分。我无法想出一种方法来以这种方式处理 csv 文件 parent 的分配是正确的。任何关于如何开始的想法都会很棒。

Answer 1

首先，希望您已经在使用 csv 模块，而不是尝试手动解析它。

其次，您的问题并不完全清楚，但听起来您正在尝试在阅读数据时从数据构建一个简单的树结构。

那么，是这样的吗？

with open('book.csv') as book:
    chapters = collections.defaultdict(collections.defaultdict(list))
    book.readline() # to skip the headers
    for chapter_name, section_name, lesson_name in csv.reader(book):
        chapters[chapter_name][section_name].append(lesson_name)

当然，这是假设您需要一个“关联树”——dict 的 dict。更普通的线性树，如 list 的 list，或“父指针”形式的隐式树，甚至更简单。

例如，假设您有这样定义的类:

class Chapter(object):
    def __init__(self, name):
        self.name = name

class Section(object):
    def __init__(self, chapter, name):
        self.chapter = chapter
        self.name = name

class Lesson(object):
    def __init__(self, section, name):
        self.section = section
        self.name = name

并且您希望每个对象都有一个 dict，将名称映射到对象。所以:

with open('book.csv') as book:
    chapters, sections, lessons = {}, {}, {}
    book.readline() # to skip the headers
    for chapter_name, section_name, lesson_name in csv.reader(book):
        chapter = chapters.setdefault(chapter_name, Chapter(chapter_name))
        section = sections.setdefault(section_name, Section(chapter, section_name))
        lesson = lessons.setdefault(lesson_name, Lesson(section, lesson_name))

现在，您可以随机选择一节课，并打印其章节:

lesson = random.choice(lessons.values())
print('Chapter {}, Section {}: Lesson {}'.format(lesson.section.chapter.name,
                                                 lesson.section.name, lesson.name))

---

要记住的最后一件事:在这个例子中，父引用不会导致任何循环引用，因为父没有引用他们的 child 。但是，如果您需要它怎么办？

class Chapter(object):
    def __init__(self, name):
        self.name = name
        self.sections = {}

class Section(object):
    def __init__(self, chapter, name):
        self.chapter = chapter
        self.name = name
        self.lessons = {}

# ...

chapter = chapters.setdefault(chapter_name, Chapter(chapter_name))
section = sections.setdefault(section_name, Section(chapter, section_name))
chapters[section_name] = section

到目前为止，还不错……但是当您处理完所有这些对象后会发生什么？它们有循环引用，这可能会导致垃圾回收出现问题。不是无法克服的问题，但这确实意味着在大多数实现中对象不会被快速收集。例如，在 CPython 中，一旦最后一个引用超出范围，通常会立即收集东西——但如果你有循环引用，那永远不会发生，所以在下一次循环检测器通过之前不会收集任何东西。解决方案是使用 weakref对于父指针(或指向子项的 weakref 的集合)。