| 这个作业属于哪个课程 | 2020春|S班 (福州大学) |
|---|---|
| 这个作业要求在哪里 | 软工实践寒假作业（1/2）作业要求 |
| 这个作业的目标 | 完成项目，武汉加油 |
| 作业正文 | 软工实践寒假作业（2/2） |
| 其他参考文献 | 知乎、博客园、CSDN |
Github仓库地址
github地址：https://github.com/BeJame/InfectStatistic-main
PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 40 | 45 |
| Estimate | 估计这个任务需要多少时间 | 30 | 20 |
| Development | 开发 | 500 | 600 |
| Analysis | 需求分析 (包括学习新技术) | 20 | 15 |
| Design Spec | 生成设计文档 | 20 | 20 |
| Design Review | 设计复审 | 30 | 35 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 20 | 20 |
| Design | 具体设计 | 60 | 45 |
| Coding | 具体编码 | 400 | 350 |
| Code Review | 代码复审 | 30 | 40 |
| Test | 测试（自我测试，修改代码，提交修改） | 60 | 100 |
| Reporting | 报告 | 60 | 80 |
| Test Repor | 测试报告 | 30 | 20 |
| Size Measurement | 计算工作量 | 10 | 15 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 20 | 25 |
| 合计 | 1300 | 1430 |
解题思路
1.解析命令行参数
采用argparse模块
2.解析日志文件
解析txt文件：
该日志中出现以下几种情况：
1、 新增 感染患者 n人
2、 新增 疑似患者 n人
3、 感染患者 流入 n人
4、 疑似患者 流入 n人
5、 死亡 n人
6、 治愈 n人
7、 疑似患者 确诊感染 n人
8、 排除 疑似患者 n人
计算并输出结果
将上一部分的解析结果存储起来，按照要求输出出去
设计实现过程
设计思路
代码规范
参考《Python PEP8》编写了代码规范
代码说明
初始化函数：
def init(): # 初始化
provinces = ["河南", "河北", "北京", "天津", "山东", "广东",
"山西", "黑龙江", "吉林", "辽宁", "浙江", "香港",
"江苏", "上海", "安徽", "江西", "湖南", "福建", "澳门",
"湖北", "新疆", "云南", "贵州", "台湾", "宁夏", "西藏",
"四川", "重庆", "内蒙古", "广西", "海南", "青海", "甘肃", "陕西"]
output_data = {}
output_data["全国"] = {
"死亡": 0,
"治愈": 0,
"疑似": 0,
"感染": 0,
}
for province in provinces:
output_data[province] = {
"死亡": 0,
"治愈": 0,
"疑似": 0,
"感染": 0,
}
return output_data处理，汇总数据：
def processFiles(file, output_data, dir):
f = open(os.path.join(dir, file), "r", encoding="utf-8")
raw_data = f.readlines()
for d in raw_data:
ld = str(d).replace("人", "").replace("\n", "").split(" ")
print(ld)
if ld[1] == "新增":
if ld[2] == "感染患者":
output_data[ld[0]]["感染"] += int(ld[-1])
output_data["全国"]["感染"] += int(ld[-1])
elif ld[2] == "疑似患者":
output_data[ld[0]]["疑似"] += int(ld[-1])
output_data["全国"]["疑似"] += int(ld[-1])
elif ld[1] == "感染患者":
output_data[ld[0]]["感染"] -= int(ld[-1])
output_data[ld[3]]["感染"] += int(ld[-1])
elif ld[1] == "疑似患者":
if ld[2] == "确诊感染":
output_data[ld[0]]["疑似"] -= int(ld[-1])
output_data[ld[0]]["感染"] += int(ld[-1])
output_data["全国"]["感染"] += int(ld[-1])
elif ld[2] == "流入":
output_data[ld[0]]["疑似"] -= int(ld[-1])
output_data[ld[3]]["疑似"] += int(ld[-1])
elif ld[1] == "死亡":
output_data[ld[0]]["死亡"] += int(ld[-1])
output_data["全国"]["死亡"] += int(ld[-1])
elif ld[1] == "治愈":
output_data[ld[0]]["治愈"] += int(ld[-1])
output_data["全国"]["治愈"] += int(ld[-1])
elif ld[1] == "排除":
output_data[ld[0]]["疑似"] -= int(ld[-1])
output_data["全国"]["疑似"] -= int(ld[-1])解析命令行：
parser = argparse.ArgumentParser(usage="缺乏必要参数", description="help info.")
parser.add_argument("-date", type=str, required=True)
parser.add_argument("-log", type=str, required=True)
parser.add_argument("-out", type=str, default="Today")
parser.add_argument("-type", type=str, default=["ip", "sp", "cure", "dead"], nargs="*")
parser.add_argument("-province", type=str, default="All", nargs="*")
单元测试
性能测试、覆盖率
心路历程和收获
完成了一次作业吧
自己处于找工作的时间，说实话挺影响准备春招的，而且作业内容跟自己找的工作关系不大。
5个仓库
1.Archery
Python项目，定位于SQL审核查询平台，旨在提升DBA的工作效率，支持主流数据库的SQL上线和查询，同时支持丰富的MySQL运维功能，所有功能都兼容手机端操作
2.git-webhook
一个使用 Python Flask + SQLAchemy + Celery + Redis + React 开发的用于迅速搭建并使用 WebHook 进行自动化部署和运维系统
3.pallets
用于构建Web应用程序的Python微框架。
4.Web2py
免费和开源的全栈企业框架，用于敏捷开发安全的数据库驱动的基于Web的应用程序
5.Buildbot
用于buildbot和github的 集成机器人