Fatal编程技术网
  • python/
  • Python最干净的解析方法

Python最干净的解析方法

python

Python最干净的解析方法,python,Python,A有几行日志，格式是“TimeA:0.216/1，TimeB:495.761/1，TimeC:2.048/2，TimeD:0.296/1”（语法是timerName:time/instances）`这就是我解析它的方式 ServiceTimer = namedtuple("ServiceTimer", ["timerName", "time", "instances"]) timers = [] for entry in line.split(","): name, rest = ent

A有几行日志，格式是“TimeA:0.216/1，TimeB:495.761/1，TimeC:2.048/2，TimeD:0.296/1”（语法是timerName:time/instances）`这就是我解析它的方式

ServiceTimer = namedtuple("ServiceTimer", ["timerName", "time", "instances"])
timers = []
for entry in line.split(","):
    name, rest = entry.split(":")
    time, instances = rest.split("/")
    timers.append(ServiceTimer(name, float(time), int(instances)))
如果有更好的方法，那么它也需要更快，因为有数以百万计的日志行。任何指针都很好。

可能行数更少

  for entry in line.split(','):
    split_line = entry.split(":")[1].split('/')
    timers.append(ServiceTimer(entry.split(':')[0],float(split_line[0]),int(split_line[1])
也许用更少的线

  for entry in line.split(','):
    split_line = entry.split(":")[1].split('/')
    timers.append(ServiceTimer(entry.split(':')[0],float(split_line[0]),int(split_line[1])
也许用更少的线

  for entry in line.split(','):
    split_line = entry.split(":")[1].split('/')
    timers.append(ServiceTimer(entry.split(':')[0],float(split_line[0]),int(split_line[1])
也许用更少的线

  for entry in line.split(','):
    split_line = entry.split(":")[1].split('/')
    timers.append(ServiceTimer(entry.split(':')[0],float(split_line[0]),int(split_line[1])
根据@zaftcoAgeiha建议，使用正则表达式：

from re import finditer
line = "TimeA:0.216/1,TimeB:495.761/1,TimeC:2.048/2,TimeD:0.296/1"
[ m.groups( ) for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
您将获得：

[('TimeA', '0.216', '1'),
 ('TimeB', '495.761', '1'),
 ('TimeC', '2.048', '2'),
 ('TimeD', '0.296', '1')]
对于类型转换，您可以使用
group
方法：

[ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
    for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
编辑：要解析整个文件，您需要首先编译模式，并使用列表理解而不是
附加
：

from re import compile

regex = compile( r'([^,:]*):([^/]*)/([^,]*)' )
with open( 'fname.txt', 'r' ) as fin:
    results = [ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
        for m in regex.finditer( line ) for line in fin]
根据@zaftcoAgeiha建议，使用正则表达式：

from re import finditer
line = "TimeA:0.216/1,TimeB:495.761/1,TimeC:2.048/2,TimeD:0.296/1"
[ m.groups( ) for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
您将获得：

[('TimeA', '0.216', '1'),
 ('TimeB', '495.761', '1'),
 ('TimeC', '2.048', '2'),
 ('TimeD', '0.296', '1')]
对于类型转换，您可以使用
group
方法：

[ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
    for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
编辑：要解析整个文件，您需要首先编译模式，并使用列表理解而不是
附加
：

from re import compile

regex = compile( r'([^,:]*):([^/]*)/([^,]*)' )
with open( 'fname.txt', 'r' ) as fin:
    results = [ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
        for m in regex.finditer( line ) for line in fin]
根据@zaftcoAgeiha建议，使用正则表达式：

from re import finditer
line = "TimeA:0.216/1,TimeB:495.761/1,TimeC:2.048/2,TimeD:0.296/1"
[ m.groups( ) for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
您将获得：

[('TimeA', '0.216', '1'),
 ('TimeB', '495.761', '1'),
 ('TimeC', '2.048', '2'),
 ('TimeD', '0.296', '1')]
对于类型转换，您可以使用
group
方法：

[ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
    for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
编辑：要解析整个文件，您需要首先编译模式，并使用列表理解而不是
附加
：

from re import compile

regex = compile( r'([^,:]*):([^/]*)/([^,]*)' )
with open( 'fname.txt', 'r' ) as fin:
    results = [ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
        for m in regex.finditer( line ) for line in fin]
根据@zaftcoAgeiha建议，使用正则表达式：

from re import finditer
line = "TimeA:0.216/1,TimeB:495.761/1,TimeC:2.048/2,TimeD:0.296/1"
[ m.groups( ) for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
您将获得：

[('TimeA', '0.216', '1'),
 ('TimeB', '495.761', '1'),
 ('TimeC', '2.048', '2'),
 ('TimeD', '0.296', '1')]
对于类型转换，您可以使用
group
方法：

[ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
    for m in finditer( r'([^,:]*):([^/]*)/([^,]*)', line ) ]
编辑：要解析整个文件，您需要首先编译模式，并使用列表理解而不是
附加
：

from re import compile

regex = compile( r'([^,:]*):([^/]*)/([^,]*)' )
with open( 'fname.txt', 'r' ) as fin:
    results = [ ( m.group(1), float( m.group(2) ) , int( m.group(3) ))
        for m in regex.finditer( line ) for line in fin]
我测试了三个版本：

  • 没有命名元组的原始代码
  • 带有类型转换的regexp示例
  • 另一个带有一些速度技巧的regexp版本
结果有点让我吃惊。我的结果显示“string.split”非常快，比示例regexp处理速度更快。为了使regexp更快，您必须使用内存映射文件并忘记逐行处理

以下是temp.py中的源代码：

def process1():
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for entry in line.split(','):
                name, rest = entry.split(":")
                time, instances = rest.split("/")
                results.append((name, float(time), int(instances)))
    return len(results)

def process2():
    from re import finditer
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for match in finditer(r'([^,:]*):([^/]*)/([^,]*)', line):
                results.append(
                    (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)

def process3():
    from re import finditer
    import mmap
    results = []
    with open('temp.txt', 'r+') as fptr:
        fmap = mmap.mmap(fptr.fileno(), 0)
        for match in finditer(r'([^,:]*):([^/]*)/([^,\r\n]*)', fmap):
            results.append(
                (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)
我在一个“temp.txt”文本文件上测试了这些函数，其中有一百万个重复的示例行。结果如下：

In [8]: %time temp.process1()
CPU times: user 10.24 s, sys: 0.00 s, total: 10.24 s
Wall time: 10.24 s
Out[8]: 4000000

In [9]: %time temp.process2()
CPU times: user 12.63 s, sys: 0.00 s, total: 12.63 s
Wall time: 12.63 s
Out[9]: 4000000

In [10]: %time temp.process3()
CPU times: user 9.43 s, sys: 0.00 s, total: 9.43 s
Wall time: 9.43 s
Out[10]: 4000000
因此，忽略逐行处理和内存映射文件的regexp版本比示例代码快7%。示例regexp代码比您的示例慢23%

故事的寓意：永远是基准。

我测试了三个版本：

  • 没有命名元组的原始代码
  • 带有类型转换的regexp示例
  • 另一个带有一些速度技巧的regexp版本
结果有点让我吃惊。我的结果显示“string.split”非常快，比示例regexp处理速度更快。为了使regexp更快，您必须使用内存映射文件并忘记逐行处理

以下是temp.py中的源代码：

def process1():
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for entry in line.split(','):
                name, rest = entry.split(":")
                time, instances = rest.split("/")
                results.append((name, float(time), int(instances)))
    return len(results)

def process2():
    from re import finditer
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for match in finditer(r'([^,:]*):([^/]*)/([^,]*)', line):
                results.append(
                    (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)

def process3():
    from re import finditer
    import mmap
    results = []
    with open('temp.txt', 'r+') as fptr:
        fmap = mmap.mmap(fptr.fileno(), 0)
        for match in finditer(r'([^,:]*):([^/]*)/([^,\r\n]*)', fmap):
            results.append(
                (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)
我在一个“temp.txt”文本文件上测试了这些函数，其中有一百万个重复的示例行。结果如下：

In [8]: %time temp.process1()
CPU times: user 10.24 s, sys: 0.00 s, total: 10.24 s
Wall time: 10.24 s
Out[8]: 4000000

In [9]: %time temp.process2()
CPU times: user 12.63 s, sys: 0.00 s, total: 12.63 s
Wall time: 12.63 s
Out[9]: 4000000

In [10]: %time temp.process3()
CPU times: user 9.43 s, sys: 0.00 s, total: 9.43 s
Wall time: 9.43 s
Out[10]: 4000000
因此，忽略逐行处理和内存映射文件的regexp版本比示例代码快7%。示例regexp代码比您的示例慢23%

故事的寓意：永远是基准。

我测试了三个版本：

  • 没有命名元组的原始代码
  • 带有类型转换的regexp示例
  • 另一个带有一些速度技巧的regexp版本
结果有点让我吃惊。我的结果显示“string.split”非常快，比示例regexp处理速度更快。为了使regexp更快，您必须使用内存映射文件并忘记逐行处理

以下是temp.py中的源代码：

def process1():
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for entry in line.split(','):
                name, rest = entry.split(":")
                time, instances = rest.split("/")
                results.append((name, float(time), int(instances)))
    return len(results)

def process2():
    from re import finditer
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for match in finditer(r'([^,:]*):([^/]*)/([^,]*)', line):
                results.append(
                    (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)

def process3():
    from re import finditer
    import mmap
    results = []
    with open('temp.txt', 'r+') as fptr:
        fmap = mmap.mmap(fptr.fileno(), 0)
        for match in finditer(r'([^,:]*):([^/]*)/([^,\r\n]*)', fmap):
            results.append(
                (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)
我在一个“temp.txt”文本文件上测试了这些函数，其中有一百万个重复的示例行。结果如下：

In [8]: %time temp.process1()
CPU times: user 10.24 s, sys: 0.00 s, total: 10.24 s
Wall time: 10.24 s
Out[8]: 4000000

In [9]: %time temp.process2()
CPU times: user 12.63 s, sys: 0.00 s, total: 12.63 s
Wall time: 12.63 s
Out[9]: 4000000

In [10]: %time temp.process3()
CPU times: user 9.43 s, sys: 0.00 s, total: 9.43 s
Wall time: 9.43 s
Out[10]: 4000000
因此，忽略逐行处理和内存映射文件的regexp版本比示例代码快7%。示例regexp代码比您的示例慢23%

故事的寓意：永远是基准。

我测试了三个版本：

  • 没有命名元组的原始代码
  • 带有类型转换的regexp示例
  • 另一个带有一些速度技巧的regexp版本
结果有点让我吃惊。我的结果显示“string.split”非常快，比示例regexp处理速度更快。为了使regexp更快，您必须使用内存映射文件并忘记逐行处理

以下是temp.py中的源代码：

def process1():
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for entry in line.split(','):
                name, rest = entry.split(":")
                time, instances = rest.split("/")
                results.append((name, float(time), int(instances)))
    return len(results)

def process2():
    from re import finditer
    results = []
    with open('temp.txt') as fptr:
        for line in fptr:
            for match in finditer(r'([^,:]*):([^/]*)/([^,]*)', line):
                results.append(
                    (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)

def process3():
    from re import finditer
    import mmap
    results = []
    with open('temp.txt', 'r+') as fptr:
        fmap = mmap.mmap(fptr.fileno(), 0)
        for match in finditer(r'([^,:]*):([^/]*)/([^,\r\n]*)', fmap):
            results.append(
                (match.group(1), float(match.group(2)), int(match.group(3))))
    return len(results)
我在一个“temp.txt”文本文件上测试了这些函数，其中有一百万个重复的示例行。结果如下：

In [8]: %time temp.process1()
CPU times: user 10.24 s, sys: 0.00 s, total: 10.24 s
Wall time: 10.24 s
Out[8]: 4000000

In [9]: %time temp.process2()
CPU times: user 12.63 s, sys: 0.00 s, total: 12.63 s
Wall time: 12.63 s
Out[9]: 4000000

In [10]: %time temp.process3()
CPU times: user 9.43 s, sys: 0.00 s, total: 9.43 s
Wall time: 9.43 s
Out[10]: 4000000
因此，忽略逐行处理和内存映射文件的regexp版本比示例代码快7%。示例regexp代码比您的示例慢23%

故事的寓意：始终使用基准测试。

是否需要使用
namedtuple
？使用正则表达式组？如果您使用的是Perl，那么您可以处理这么多faster@allKid，不一定，我想知道使用字典是否会更快。是否需要使用
namedtuple
？使用正则表达式组？如果您使用的是Perl，那么您可以处理这么多faster@allKid，不一定，我想知道使用字典是否会更快。是否需要使用
namedtuple
？使用正则表达式组？如果您使用的是Perl，那么您可以处理这么多faster@allKid，不一定，我想知道使用字典是否会更快。是否需要使用
namedtuple
？使用正则表达式组？如果您使用的是Perl，那么您可以处理这么多faster@allKid，不一定，我想知道使用字典是否会更快。故事的另一个寓意是：你不能改进你没有衡量的东西。如果速度是一个问题，我认为列表理解比
append