Python 10min系列之面试题解析丨Python实现tail -f功能

 Python 10min系列之面试题解析丨Python实现tail -f功能_第1张图片

 

这篇文章的初衷是有人去面试遇到了这个笔试题,不知道怎么做,没有什么思路,就发到了Reboot 的交流群里,让大家一起讨论讨论。

关于这道题,简单说一下我的想法吧。当然,也有很好用的 pyinotify 模块专门监听文件变化,不过我更想介绍的,是解决的思路。毕竟作为面试官,还是想看到一下解决问题的思路,而且我觉得这一题的难点不在于监控文件增量,而在于怎么打印最后面10行

希望大家在读这篇文章前,对 Python 基础、处理文件和常用模块有一个简单的了解,知道下面几个名词是什么:

open('a.txt')
file.seek
file.tell
time.sleep()

下面的思路仅限于我个人知识和见解,免不了有错误和考虑不周的地方。希望大家有更好的方法能够提出来,我会随时优化代码。下面就让天真烂漫的蜗牛教大家如何用 Python 来实现。

怎么用 Python 实现


其实思路也不算难啦


  • 打开这个文件,指针移到最后

  • 每隔一秒就尝试readline一下,有内容就打印出来,没内容就sleep


监听文件


思路如下:


  • 用open打开文件

  • 用seek文件指针,给大爷把跳到文件最后面

  • while True进行循环

    • 持续不停的readline,如果能读到内容,打印出来即可


代码呼之欲出


with open('test.txt') as f:
    f.seek(0,2)
    while True:
        last_pos = f.tell()
        line = f.readline()        
        if line:
           print line
Python 10min系列之面试题解析丨Python实现tail -f功能_第2张图片

 

 

代码说明:


  • seek第二个参数2,意思就是从文件结尾处开始seek,更标准的写法使用os模块下面的SEEK_END,可读性更好

  • 只写出了简单的逻辑,代码简单粗暴,如果这个题目是10分的话,最多也就拿4分吧,不能再多了


优化点


  • print有缺陷,每次都是新的一行,换成sys.stdout.write(line)更和谐

  • 文件名传参,不能写死

  • 直接打印可以当成默认行为,具体要做什么,可以写成函数处理,这样我们就可以把新行做其他处理,比如展示在浏览器里

  • 加上容错处理,比如文件不存在会报错

  • while True一直都文件,比较耗性能,每读一次,间隔一秒比较靠谱

    • 调用time.sleep(1)

  • 用类来组织代码


实例代码如下:

# coding=utf-8
import sys
import time

class Tail():
    def __init__(self,file_name,callback=sys.stdout.write):
        self.file_name = file_name
        self.callback = callback
    def follow(self):

        try:
            with open(self.file_name) as f:
                f.seek(0,2)            
                while True:
                    line = f.readline()                 
                    if line:
                        self.callback(line)
                    time.sleep(1)
        except Exception,e:
            print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题'
            print e



 使用方法:

# 使用默认的sys.stdout.write打印到屏幕
py_tail = Tail('test.txt')
py_tail.follow()

# 自己定义处理函数

def test_tail(line):
    print 'xx'+line+'xx'

py_tail1 = Tail('test.txt', test_tail)
py_tail1.follow()

咦 ,等等!tail -f 默认还会打印最后10行,这个好像才是这个题目的难点所在。众所周知,Python 里读文件指针,只能移动到固定位置,不能判断是哪一行。那就先实现简单的,然后逐渐加强吧。


默认打印最后10行


现在这个代码,大概能拿6分啦,我们还有一个功能没做,那就是打印最后n行,默认是10行,现在把这个功能加上,加一个函数就行啦。

 

文件小的时候


我们知道,readlines可以获取所有内容,并且分行,代码呼之欲出,获取list最后10行很简单有么有,切片妥妥的。

# 演示代码,说明核心逻辑,完整代码在下面
last_lines = f.readlines()[-10:]
for line in last_lines:
    self.callback(line)

代码变成了这样:

import sys
import time

class Tail():
    def __init__(self,file_name,callback=sys.stdout.write):
        self.file_name = file_name
        self.callback = callback
    def follow(self,n=10):
        try:
            with open(self.file_name) as f:
                self._file = f
                self.showLastLine(n)
                self._file.seek(0,2)           
                while True:
                    line = self._file.readline()                    
                    if line:
                        self.callback(line)        
        except Exception,e:
            print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题'
            print e    
     def showLastLine(self, n):
        last_lines = self._file.readlines()[-10:]        
        for line in last_lines:
            self.callback(line)

 

更进一步:大的日志怎么办

但是如果文件特别大呢,特别是日志文件,很容易就是几个G。我们只需要最后几行,全部读出来内存受不了,所以我们要继续优化showLastLine 函数,我觉得这才是这题的难点所在。

大概的思路如下:

  • 我先估计日志一行大概是100个字符,注意,我只是估计一个大概,多了也没关系,我们只是需要一个初始值,后面会修正

  • 我要读十行,所以一开始就 see k到离结尾1000的位置seek(-1000,2),把最后1000个字符读出来,然后有一个判断

  • 如果这1000个字符长度大于文件长度,不用管了 属于级别1的情况,直接read然后split

  • 如果1000个字符里面的换行符大于10,说明1000个字符里,大于10行,那也好办,处理思路类似级别1,直接split取后面十个

  • 问题就在于 如果小于10怎么处理

    • 比如1000个里,只有四个换行符,说明一行大概是1000/4=250个字符,我们还缺6行,所以我们再读250*5=1500,一共有2500的大概比较靠谱,然后在对2500个字符进行相同的逻辑判断,直到读出的字符里,换行符大于10,读取结束


逻辑清晰以后,代码就呼之欲出啦

# coding=utf-8
import sys
import time

class Tail():
    def __init__(self,file_name,callback=sys.stdout.write):
        self.file_name = file_name
        self.callback = callback
    def follow(self,n=10):
        try:    
            with open(self.file_name) as f:
                self._file = f
                self._file.seek(0,2)
                self.file_length = self._file.tell()
                self.showLastLine(n)       
                while True:
                    line = self._file.readline()    
                    if line:
                        self.callback(line)
                    time.sleep(1)
        except Exception,e:
            print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题'
            print e
      def showLastLine(self, n):
        len_line = 100
        read_len = len_line*n
        while True:
            if read_len>self.file_length:
                self._file.seek(0)
                last_lines = self._file.read().split('\n')[-n:]                      break
            self._file.seek(-read_len, 2)
            last_words = self._file.read(read_len)
            count = last_words.count('\n')          
            if count>=n:
                last_lines = last_words.split('\n')[-n:]                             break
            else:            
                if count==0:
                    len_perline = read_len       
                else:
                    len_perline = read_len/count
                read_len = len_perline * n        
        for line in last_lines:
            self.callback(line+'\n')
if __name__ == '__main__':
    py_tail = Tail('test.txt')
    py_tail.follow()



 加上注释:

# coding=utf-8
import sys
import time

class Tail():
    def __init__(self,file_name,callback=sys.stdout.write):
        self.file_name = file_name
        self.callback = callback
    def follow(self,n=10):
        try:      
            # 打开文件
            with open(self.file_name) as f:
                self._file = f
                self._file.seek(0,2)
                # 存储文件的字符长度
                self.file_length = self._file.tell()                
                # 打印最后10行
                self.showLastLine(n)                
                # 持续读文件 打印增量
                while True:
                    line = self._file.readline()                    
                    if line:
                        self.callback(line)
                    time.sleep(1)
        except Exception,e:            
            print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题'
            print e    
    def showLastLine(self, n):
        # 一行大概100个吧 这个数改成1或者1000都行
        len_line = 100
        # n默认是10,也可以follow的参数传进来
        read_len = len_line*n        
        # 用last_lines存储最后要处理的内容
        while True:            
            # 如果要读取的1000个字符,大于之前存储的文件长度
            # 读完文件,直接break
            if read_len>self.file_length:
                self._file.seek(0)
                last_lines = self._file.read().split('\n')[-n:]                      break
            # 先读1000个 然后判断1000个字符里换行符的数量
            self._file.seek(-read_len, 2)
            last_words = self._file.read(read_len)            
            # count是换行符的数量
            count = last_words.count('\n')            
            
            if count>=n:                
                # 换行符数量大于10 很好处理,直接读取
                last_lines = last_words.split('\n')[-n:]                             break
            # 换行符不够10个
            else:                
                # break
                #不够十行
                # 如果一个换行符也没有,那么我们就认为一行大概是100个
                if count==0:

                    len_perline = read_len               
                # 如果有4个换行符,我们认为每行大概有250个字符
                else:
                    len_perline = read_len/count                
                # 要读取的长度变为2500,继续重新判断
                read_len = len_perline * n        
        for line in last_lines:
            self.callback(line+'\n')
if __name__ == '__main__':
    py_tail = Tail('test.txt')
    py_tail.follow(20)

 

 效果如下,终于可以打印最后几行了,大家可以试一下,无论日志每行只有1个,还是每行有300个字符,都是可以打印最后10行的。

 Python 10min系列之面试题解析丨Python实现tail -f功能_第3张图片

 

能做到这个地步,一般的面试官就直接被你搞定了,这个代码大概8分吧,如果还想再进一步,还有一些可以优化的地方,代码放 github 上了,有兴趣的可以拿去研究。(Github 地址:https://github.com/shengxinjing/pytail/blob/master/tail.py


待优化:留给大家作为扩展


  • 如果你tail -f的过程中,日志被备份清空或者切割了,怎么处理

    • 其实很简单,你维护一个指针位置,如果下次循环发现文件指针位置变了,从最新的指针位置开始读就行

  • 具体每种错误的类型

    • 我这里只是简单的try 可以写个函数,把文件不存在,文件没权限这些报错信息分开

  • 性能小优化,比如我第一次读了1000,只有4行,我大概估计每行250个字符,总体需要2500行,下次没必要直接读2500个,而是读1500行和之前1000行拼起来即可

 

你可能感兴趣的:(Python 10min系列之面试题解析丨Python实现tail -f功能)