的Python:解析与领域
我试图分析在“clientname'.txt的Python:解析与领域
hostname:comp1
time: Fri Jan 28 20:00:02 GMT 2011
ip:xxx.xxx.xx.xx
fs:good:45
memory:bad:78
swap:good:34
Mail:good
每个部分由分隔以下格式AA几个文件的种种罪状冒号分隔的文件:哪来行0,2,6有2个字段...行1,3-5有3个或更多字段。 (我遇到的一个大问题是时间:行,因为20:00:02是真正的时间而不是3个独立的字段。
我有几个这样的文件,我需要解析。更多的线在一些具有多个字段的这些文件。
...
for i in clients:
if os.path.isfile(rpt_path + i + rpt_ext): # if the rpt exists then do this
rpt = rpt_path + i + rpt_ext
l_count = 0
for line in open(rpt, "r"):
s_line = line.rstrip()
part = s_line.split(':')
print part
l_count = l_count + 1
else: # else break
break
首先,我检查,如果该文件存在第一,如果它再打开该文件,并解析它(最终)截至目前,我只是打印输出(打印部分)以确保它正确解析 老实说,我现在唯一遇到的问题是时间:字段。我如何处理与所有其他字符完全不同的时间字段?总是在我的所有报告文件中的第二行。
如果time
是一个特殊的情况下,你可以这样做:
[...]
s_line = line.rstrip()
if line.startswith('time:'):
part = s_line.split(':', 1)
else:
part = s_line.split(':')
print part
[...]
这将使你:
['hostname', 'comp1']
['time', ' Fri Jan 28 20:00:02 GMT 2011']
['ip', 'xxx.xxx.xx.xx']
['fs', 'good', '45']
['memory', 'bad', '78']
['swap', 'good', '34']
['Mail', 'good']
而且不依赖于time
在文件中的位置。
如果时间字段总是第2行。为什么不能跳过它并分别解析它?
喜欢的东西
for i, line in enumerate(open(rpt, "r").read().splitlines()):
if i==1: # Special parsing for time: line
data = line[5:]
else:
# your normal parsing logic
分割方法具有以下语法split( [sep [,maxsplit]])
并且如果maxsplit给出,它将使maxsplit + 1个部分。在你的情况下,你只需要将maxsplit设为1.只需要split(':',1)
就可以解决你的问题。
+1,打我吧。 – 2011-01-28 23:20:21
设计考虑:
可靠地处理多余的空白,包括空行和缺少冒号。
提取一个record_type,然后用它来决定如何解析该行的其余部分。
>>> def munched(s, n=None):
... if n is None:
... n = 99999999 # this kludge should not be necessary
... return [x.strip() for x in s.split(':', n)]
...
>>> def parse_line(line):
... if ':' not in line:
... return [line.strip(), '']
... record_type, remainder = munched(line, 1)
... if record_type == 'time':
... data = [remainder]
... else:
... data = munched(remainder)
... return record_type, data
...
>>> for guff in """
... hostname:comp1
... time: Fri Jan 28 20:00:02 GMT 2011
... ip:xxx.xxx.xx.xx
... fs:good:45
... memory : bad : 78
... missing colon
... Mail:good""".splitlines(True):
... print repr(guff), parse_line(guff)
...
'\n' ['', '']
'hostname:comp1\n' ('hostname', ['comp1'])
'time: Fri Jan 28 20:00:02 GMT 2011\n' ('time', ['Fri Jan 28 20:00:02 GMT 2011'])
'ip:xxx.xxx.xx.xx\n' ('ip', ['xxx.xxx.xx.xx'])
'fs:good:45\n' ('fs', ['good', '45'])
' memory : bad : 78 \n' ('memory', ['bad', '78'])
'missing colon\n' ['missing colon', '']
'Mail:good' ('Mail', ['good'])
>>>
我不得不跳过每行有1个以上的分隔符,而那些有1个以上的分隔符的行并不总是在文件的相同位置。 – MarkP 2011-01-28 23:20:54
我无法遵循你正在努力完成的任务。你是否想要处理所有具有多于一个的行:不同的(除了时间:行)? – 2011-01-28 23:23:52
我想解决方法是检查每一行:然后如果它有超过3个单独处理它?不知道如何做到这一点。 – MarkP 2011-01-28 23:26:19