python - 为什么我不能拆分这个 python 列表？

Question

我有一些代码来解析 apache 日志文件(start_search 和 end_search 是在 apache 日志中找到的格式的日期字符串):

with open("/var/log/apache2/access.log",'r') as log:
    from itertools import takewhile, dropwhile
    s_log = dropwhile(lambda L: start_search not in L, log)
    e_log = takewhile(lambda L: end_search not in L, s_log)
    query = [line for line in e_log if re.search(r'GET /(.+veggies|.+fruits)',line)]

    import csv
    query_dict = csv.DictReader(query,fieldnames=('ip','na-1','na-2','time', 'zone', 'url', 'refer', 'client'),quotechar='"',delimiter=" ")

    import re
    veggies = [ x for x in query_dict if re.search('veggies',x['url']) ]
    fruits = [ x for x in query_dict if re.search('fruits',x['url']) ]

第二个列表生成器总是空的；也就是说，如果我调换最后两行的顺序:

    fruits = [ x for x in query_dict if re.search('fruits',x['url']) ]
    veggies = [ x for x in query_dict if re.search('veggies',x['url']) ]

第二个列表总是空的。

为什么？ (以及如何填充 fruits 和 veggies 列表？)

Answer 1

你只能循环遍历迭代器一次； query_dict 是一个迭代器，一旦扫描过 veggies 就不能再次迭代以搜索 fruits。

不要在这里使用列表理解。循环遍历 query_dict 一次，检查每个条目中的 veggies 和 fruits:

veggies = []
fruits = []

for x in query_dict:
    if re.search('veggies',x['url']):
         veggies.append(x)
    if re.search('fruits',x['url']):
         fruits.append(x)

备选方案是:

• 为 fruits 列表重新创建 csv.DictReader() 对象:

  query_dict = csv.DictReader(query,fieldnames=('ip','na-1','na-2','time', 'zone', 'url', 'refer', 'client'),quotechar='"',delimiter=" ")
  veggies = [ x for x in query_dict if re.search('veggies',x['url']) ]
  query_dict = csv.DictReader(query,fieldnames=('ip','na-1','na-2','time', 'zone', 'url', 'refer', 'client'),quotechar='"',delimiter=" ")
  fruits = [ x for x in query_dict if re.search('fruits',x['url']) ]
  

  这做了双重工作；您遍历整个数据集两次。

• 使用 itertools.tee() “克隆”迭代器:

  from itertools import tee
  veggies_query_dict, fruits_query_dict = tee(query_dict)
  veggies = [ x for x in veggies_query_dict if re.search('veggies',x['url']) ]
  fruits = [ x for x in fruits_query_dict if re.search('fruits',x['url']) ]
  

  这最终会将所有 query_dict 缓存在 tee 缓冲区中，同一任务需要两倍的内存，直到 fruits 清空再次缓冲。