- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
为了设置上下文,我有一个包含 200-300 个文件的目录,每个文件的大小范围(行数)。我粘贴这些文件并将它们导出到 csv 文件。我想我上次运行它时,csv 文件有超过 340,000 行。最重要的是,前 8 个文件不断被写入,所以有时我在解析时会丢失数据。
现在,每个文件的设置如下:
DateTime Message Action ActionDetails
我有代码可以遍历所有文件,解析它们,然后输出到 csv 文件:
for infile in listing:
_path2 = _path + infile
f = open(_path2, 'r')
labels = ['date', 'message', 'action', 'details']
reader = csv.DictReader(f, labels, delimiter=' ', restkey='rest')
for line in reader:
if line.get('rest'):
line['details'] += ' %s' % (' '.join(line['rest']))
out_file.write(','.join([infile,line['date'], line['message'], line['action'], line['details']]) + '\n')
f.close()
out_file.close()
我想知道复制前 8 个文件的“最佳”方法是什么,这样我在解析时就不会丢失数据。我所说的“最好”是指花费最少的时间,因为目前运行 python 脚本的总时间约为 35-45 秒。
最佳答案
我有点无聊。试穿一下尺寸。我实际上没有机会检查它是否正确解析和写入,但除此之外我相信它应该在给定一些信息的情况下运行。这个问题正是使用队列的好机会。让我知道它运行的速度有多快!
from threading import Thread
import Queue
import os
import time
import sys
# declare some global items
# queue that an author thread can write line items to a csv
write_q = Queue.Queue()
# queue filled with files to parse
read_q = Queue.Queue()
# queue filled with files that have size change during read. Can
# preload this queue to optimize however program should handle any
# file that changes during operation
moving_q = Queue.Queue()
# given csv labels
labels = ['date', 'message', 'action', 'details']
# global for writer thread so it knows when to close
files_to_parse = True
# parsing function for any number of threads
def file_parser():
# Each parser thread will run until the read_q is empty
while True:
moving = False
# Test for a file from the read queue or moving queue
try:
if not moving_q.empty():
try:
f_path = moving_q.get(False)
moving = True
# if the moving queue is empty after trying to read
# might have been snatched by different thread. Ignore error
except Queue.Empty:
pass
else:
# No items left in moving queue so grab non moving file
f_path = read_q.get(False)
# all files have been dealt with
except Queue.Empty:
print "Done Parsing"
sys.exit()
# Following will parse a file and test that the file is not being
# modified during the read
with open(f_path, 'r') as f:
# csv reader setup
reader = csv.DictReader(f, labels, delimiter=' ', restkey='rest')
# initillized file size (when we started reading)
pre = os.path.getsize(f_path)
# store output items in a list so if file is updated during read
# we can just ignore those items and read file later
line_items = []
# parse the file line by line
for line in reader:
# Check that file hasn't been updated
post = os.path.getsize(f_path)
if pre != post:
# if file has changed put the file back on the queue and clear the output lines
moving_q.put(f_path)
line_items = None
break
# parse the line and add it to output list
else:
if line.get('rest'):
line['details'] += ' %s' % (' '.join(line['rest']))
line_items.append(','.join([infile,line['date'], line['message'], line['action'], line['details']]) + '\n')
# don't want to do reading and writing in same thread. Push
# all line items onto the write thread for the author to deal with
if line_items and moving:
write_q.put(line_items)
moving_q.task_done()
elif line_items and not moving:
write_q.put(line_items)
read_q.task_done()
# author thread that will write items to a file as other threads complete
# tasks. Should help speed up IO bound processing
def file_author(out_file):
with open(out_file,'w') as f:
# parse files until all the parser threads are running
while files_to_parse or not read_q.empty():
# only one writer thread so write as items are put into thread
if not read_q.empty():
line_items = write_q.get(False)
for line_item in line_items:
f.write(line_item)
write_q.task_done()
# sleep in the downtime so we dont overload PC
else:
time.sleep(.1)
print "Done writting"
if __name__ == "__main__":
# list of file names as you had before
listing = []
outfile = "MyNewCSVfile.csv"
# You can optimize parsing by adding known "moving files" directly
# to the moving_queue, however program should handle either way
for infile in listing:
_path2 = _path + infile
write_q.put(_path2)
# make a writer thread
t = Thread(target = file_author, args = (outfile,))
t.daemon = True
t.start()
# make some parse threads
for i in range(10):
t = Thread(target = file_parser)
t.daemon = True
t.start()
# wait for parser threads to finish work
read_q.join()
moving_q.join()
# close author
files_to_parse = False
time.sleep(.1)
print "Complete"
关于Python 文件解析,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14568528/
我一直在使用 AJAX 从我正在创建的网络服务中解析 JSON 数组时遇到问题。我的前端是一个简单的 ajax 和 jquery 组合,用于显示从我正在创建的网络服务返回的结果。 尽管知道我的数据库查
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
我在尝试运行 Android 应用程序时遇到问题并收到以下错误 java.lang.NoClassDefFoundError: com.parse.Parse 当我尝试运行该应用时。 最佳答案 在这
有什么办法可以防止etree在解析HTML内容时解析HTML实体吗? html = etree.HTML('&') html.find('.//body').text 这给了我 '&' 但我想
我有一个有点疯狂的例子,但对于那些 JavaScript 函数作用域专家来说,它看起来是一个很好的练习: (function (global) { // our module number one
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 8 年前。 Improve th
我需要编写一个脚本来获取链接并解析链接页面的 HTML 以提取标题和其他一些数据,例如可能是简短的描述,就像您链接到 Facebook 上的内容一样。 当用户向站点添加链接时将调用它,因此在客户端启动
在 VS Code 中本地开发时,包解析为 C:/Users//AppData/Local/Microsoft/TypeScript/3.5/node_modules/@types//index而不是
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我被赋予了将一种语言“翻译”成另一种语言的工作。对于使用正则表达式的简单逐行方法来说,源代码过于灵活(复杂)。我在哪里可以了解更多关于词法分析和解析器的信息? 最佳答案 如果你想对这个主题产生“情绪化
您好,我在解析此文本时遇到问题 { { { {[system1];1;1;0.612509325}; {[system2];1;
我正在为 adobe after effects 在 extendscript 中编写一些代码,最终变成了 javascript。 我有一个数组,我想只搜索单词“assemble”并返回整个 jc3_
我有这段代码: $(document).ready(function() { // }); 问题:FB_RequireFeatures block 外部的代码先于其内部的代码执行。因此 who
背景: netcore项目中有些服务是在通过中间件来通信的,比如orleans组件。它里面服务和客户端会指定网关和端口,我们只需要开放客户端给外界,服务端关闭端口。相当于去掉host,这样省掉了些
1.首先贴上我试验成功的代码 复制代码 代码如下: protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec)
什么是 XML? XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。 你可以通过本站学习 X
【PHP代码】 复制代码 代码如下: $stmt = mssql_init('P__Global_Test', $conn) or die("initialize sto
在SQL查询分析器执行以下代码就可以了。 复制代码代码如下: declare @t varchar(255),@c varchar(255) declare table_cursor curs
前言 最近练习了一些前端算法题,现在做个总结,以下题目都是个人写法,并不是标准答案,如有错误欢迎指出,有对某道题有新的想法的友友也可以在评论区发表想法,互相学习🤭 题目 题目一: 二维数组中的
我是一名优秀的程序员,十分优秀!