python 脚本学习（一）

日志读取脚本

功能：用于读取某日志文件，可指定某个匹配条件，返回文本中匹配到的该行和前面的n行。

此脚本可以接受3个参数，分别是文件对象、搜索的关键词、返回匹配的该行前面的行数。
#!/usr/local/python27/bin/python2.7
import sys
from collections import deque

def search(f,pattern,keep_num):
#定义一个队列，设置最大队列数，这个队列中的数据是可覆盖的，如果达到了最大队列数，则新加入的数据会覆盖前面的。
    pre_lines = deque(maxlen=keep_num)
    for line in f:
        if pattern in line:
            yield line,pre_lines
#这里的逻辑就是将从文件对象f中读取的每一行做模式匹配的判断，如果不匹配则放入pre_lines队列中去，继续查找下一行，只保存最大能允许的行数，这个有参数maxlen控制，多出的数据则覆盖前面的，直到匹配到了需要的关键字，则返回一个生成器，生成器中包括了匹配到的行，以及该行之前的n行，也就是之前保存在pre_lines队列中的行。          
        pre_lines.append(line)

if __name__ == '__main__':
    log_file = sys.argv[1]
    pattern = sys.argv[2]
    keep_num = int(sys.argv[3])
    with open(log_file) as f:
#这个循环就是从search函数返回的生成器中取数据，分别保存在变量中，再分别打印出来。    
        for line,pre_lines in search(f,pattern,keep_num):
            for pline in pre_lines:
                print pline
            print line
            print "-" * 20

键值对处理脚本

处理一个key -> value的配置文件，key可能出现多次，对应相同或者不同的value，要求返回每个key对应的所有不重复的value。

这里先讲下collections模块的defaultdict 和 dict

这里的defaultdict(function_factory)构建的是一个类似dictionary的对象，其中keys的值，自行确定赋值，但是values的类型，是function_factory的类实例，而且具有默认值。比如default(int)则创建一个类似dictionary对象，里面任何的values都是int的实例，而且就算是一个不存在的key, d[key] 也有一个默认值，这个默认值是int()的默认值0.

笔者的理解：

defaultdict接受一个工厂函数作为参数，这个传入的工厂函数的类型，决定了该字典对象中keys的类型和值的类型。

比如 defaultdict（set）这里传入了一个set类型，这表示其中的keys为集合，要在key中加入数据则要使用集合的内置add方法，对应的value也会符合集合的特点，无序性，唯一性。

如果 defaultdict（list） 这里传入了一个list类型，这表示其中的keys为列表，要在key中加入数据则要使用列表的内置方法append，对应的value也会符合列表的特点，有序性，可重复。

处理如下文件：

key1=111

key2=222

key1=111

key1=123

key3=333

key4=111

key5=555

key6=666

key2=222

key7=777

key8=111

要实现返回每个key对应的所有不重复的value，这里要使用set类型。

代码实例：

!/usr/local/python27/bin/python2.7
import sys
from collections import defaultdict

conf = defaultdict(set)

for line in open(sys.argv[1]):
    k,v = line.split('=')
#由于传入的工厂函数为set，所以这里的key就是集合，要用集合的add方法插入值。
    conf[k.strip()].add(v.strip())   

for k,v in conf.items():
    print "%s => %s" % (k,v)

输出结果：

可以观察到文本中有多个重复的key1=111只输出了一次。

下面传入list类型做对比

输出结果：

有一些任务，需要保存到字典中，key为名称，value为内容，但是在执行的时候，需要保持存储时的顺序。

方法（一）

使用字典保存数据，并附加一个list保存顺序

#!/usr/local/python27/bin/python2.7
import sys

d1=dict()
l1=[]
for line in open(sys.argv[1]):
    k,v = line.split('=')
    l1.append(k)
    d1[k] = v

print("%s => %s" % ( [ i for i in l1],[ d1[i] for i in l1 ]))

方法（二）

使用OrderedDict

#!/usr/local/python27/bin/python2.7
import sys
from collections import OrderedDict

od = OrderedDict()
for line in open(sys.argv[1]):
    k,v = line.split('=')
    od[k.strip()] = v.strip()

for k,v in od.items():
    print k,v

一般字典dict（）是无序的，但是OrderedDict是有序字典，会按照插入的顺序保存数据。

从一篇英文文章中统计出频率出现最高的10个单词

代码实例：

#!/usr/local/python27/bin/python2.7
import sys
import re
from collections import Counter

with open(sys.argv[1]) as f:
#匹配出所以单词，并且全部转换为小写，保存在一个列表中。
    words = re.findall(r"\w+",f.read().lower())
#Counter方法可以从一个列表中统计每个元素出现的次数，.most_common（n）用于筛选出出现次数最多n项；
    print Counter(words).most_common(10)

输出结果：

./counter.py english_article.txt 

[('to', 16), ('his', 15), ('him', 12), ('in', 12), ('tyler', 9), ('she', 9), ('and', 9), ('that', 8), ('he', 8), ('i', 8)

使用命名元组分段处理一个csv的文件

文件样例：

name,gender,email,phone,sn

huairen,man,[email protected],1899000001,17829

huairen,man,[email protected],1899000001,17829

代码实例：

#!/usr/local/python27/bin/python2.7
import sys
import csv
from collections import namedtuple

l1=[]
with open(sys.argv[1],'rb') as f:
    reader = csv.reader(f)
    nametup = namedtuple("tup",reader.next())
    for line in reader:
        l1.append(nametup(*line))
    print(l1)

命名元组的使用实例：

输出结果：

tup(name='huairen', gender='man', email='[email protected]', phone='1899000001', sn='17829')