python 文本文件数据处理

Question

请问：怎么把a.txt中相同的set或者setenv合并起来（相同值忽略），若path1中含有mnt的换成${mntpath}且生成一行独立的行，结果输出到b.txt
a.txt：
set value1 /usr
set value1 /sys
set value1 /sys
set value2 /asd
set value2 /xyz
set value2 /xyz
setenv path1 /usr/lib:/usr/abc
setenv path1 /usr/asd
setenv path2 /usr
setenv path2 $path2:/abc
setenv path2 $path2:/aaa
setenv path1 $path1:/mnt/abc:/mnt/xyz
setenv path1 $path1:/mnt/ccc:/mnt/ddd

b.txt：
set value1 "/usr:/sys"
set value2 "/asd:/xyz"
setenv path1 "/usr/lib:/usr/abc:/usr/asd"
setenv path2 "/usr:/abc:/aaa"
setenv path1 "${path1}:/${mntpath}/abc:/${mntpath}/xyz:/${mntpath}/ccc:/${mntpath}/ddd"

由于不知道怎么以code形式或以附件形式发布，所以只能这么贴了。

Answer 1

分隔日志文件存为小文件


#coding:utf-8 

#file: FileSplit.py

import os,os.path,time

def FileSplit(sourceFile, targetFolder):

sFile = open(sourceFile, 'r')

number = 100000 #每个小文件中保存100000条数据

dataLine = sFile.readline()

tempData = [] #缓存列表

fileNum = 1

if not os.path.isdir(targetFolder):  #如果目标目录不存在，则创建

os.mkdir(targetFolder)

while dataLine: #有数据

for row in range(number): 

tempData.append(dataLine) #将一行数据添加到列表中

dataLine = sFile.readline()

if not dataLine :

break

tFilename = os.path.join(targetFolder,os.path.split(sourceFile)[1] + str(fileNum) + ".txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tempData) #将列表保存到文件中

tFile.close()  

tempData = [] #清空缓存列表

print(tFilename + " 创建于: " + str(time.ctime()))

fileNum += 1 #文件编号

sFile.close()

if __name__ == "__main__" :

FileSplit("access.log","access")

分类汇总小文件：

#coding:utf-8 

#file: Map.py

import os,os.path,re

def Map(sourceFile, targetFolder):

sFile = open(sourceFile, 'r')

dataLine = sFile.readline()

tempData = {} #缓存列表

if not os.path.isdir(targetFolder):  #如果目标目录不存在，则创建

os.mkdir(targetFolder)

while dataLine: #有数据

p_re = re.compile(r'(GET|POST)\s(.*?)\sHTTP/1.[01]',re.IGNORECASE) #用正则表达式解析数据

match = p_re.findall(dataLine)

if match:

visitUrl = match[0][1]

if visitUrl in tempData:

tempData[visitUrl] += 1

else:

tempData[visitUrl] = 1

dataLine = sFile.readline() #读入下一行数据

sFile.close()

tList = []

for key,value in sorted(tempData.items(),key = lambda k:k[1],reverse = True):

tList.append(key + " " + str(value) + '\n')

tFilename = os.path.join(targetFolder,os.path.split(sourceFile)[1] + "_map.txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tList) #将列表保存到文件中

tFile.close()

if __name__ == "__main__" :

Map("access\\access.log1.txt","access")

Map("access\\access.log2.txt","access")

Map("access\\access.log3.txt","access")

3. 再次将多个文件分类汇总为一个文件。

#coding:utf-8 

#file: Reduce.py

import os,os.path,re

def Reduce(sourceFolder, targetFile):

tempData = {} #缓存列表

p_re = re.compile(r'(.*?)(\d{1,}$)',re.IGNORECASE) #用正则表达式解析数据

for root,dirs,files in os.walk(sourceFolder):

for fil in files:

if fil.endswith('_map.txt'): #是reduce文件

sFile = open(os.path.abspath(os.path.join(root,fil)), 'r')

dataLine = sFile.readline()

while dataLine: #有数据

subdata = p_re.findall(dataLine) #用空格分割数据

#print(subdata[0][0],"  ",subdata[0][1])

if subdata[0][0] in tempData:

tempData[subdata[0][0]] += int(subdata[0][1])

else:

tempData[subdata[0][0]] = int(subdata[0][1])

dataLine = sFile.readline() #读入下一行数据

sFile.close()

tList = []

for key,value in sorted(tempData.items(),key = lambda k:k[1],reverse = True):

tList.append(key + " " + str(value) + '\n')

tFilename = os.path.join(sourceFolder,targetFile + "_reduce.txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tList) #将列表保存到文件中

tFile.close()

if __name__ == "__main__" :

Reduce("access","access")

Answer 2

python处理文本文件内容数据，下面是具体的案例，代码如下：

#读取一个文本文件之后得到里面出现最多的关键字
from time import time
from operator import itemgetter
def test():
     # 取 10 个，有需要可以修改, 及定义读取的文件 test.txt 
     iList = 10
     strFileName = 'test.txt'
     count = {}
     for word in open(strFileName).read().split():
         if count.has_key(word):
             count[word] = count[word] + 1
         else:
             count[word] = 1
print sorted(count.iteritems( ), key=itemgetter(1), reverse=True)[0:iList]

python处理文本文件数据中的正则表达式用法，字符串替换方法：

#1、替换所有匹配的子串
#用newstring替换subject中所有与正则表达式regex匹配的子串
result = re.sub(regex, newstring, subject)

#2、替换所有匹配的子串（使用正则表达式对象）
reobj = re.compile(regex)
result = reobj.sub(newstring, subject)

Answer 3

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

def zhidao_560604345(infile, outfile):
    reader = open(infile, 'r')
    set_dict = {}
    setenv_dict = {}
    while True:
        line = reader.readline()
        if len(line) == 0:
            break
        a, b, c = line.strip().split(maxsplit=2)
        if a == 'set':
            if not b in set_dict:
                set_dict[b] = set()
            set_dict[b].add(c.strip())
        elif a == 'setenv':
            if not b in setenv_dict:
                setenv_dict[b] = set()
            setenv_dict[b].update(c.strip().split(':'))
    reader.close()
    buff = []
    for k, v in set_dict.items():
        buff.append('set %s "%s"' % (k, ':'.join(list(v))))
    for k, v in setenv_dict.items():
        tmp = []
        for item in list(v):
            if item == '$' + k:
                pass
            elif item.startswith('/mnt/'):
                tmp.append('{mntpath}/' + item[5:])
            else:
                tmp.append(item)
        tmp.sort()
        buff.append('setenv %s "%s"' % (k, ':'.join(tmp)))
    writer = open(outfile, 'w')
    writer.write('\n'.join(buff))
    writer.close()

if __name__ == '__main__':
    zhidao_560604345('zhidao_560604345.input', 'zhidao_560604345.output')

运行结果：

set value2 "/asd:/xyz"
set value1 "/usr:/sys"
setenv path2 "/aaa:/abc:/usr"
setenv path1 "/usr/abc:/usr/asd:/usr/lib:{mntpath}/abc:{mntpath}/ccc:{mntpath}/ddd:{mntpath}/xyz"

本回答被提问者采纳