Python 实现文本文件多路归并排序

开发说明：前两天刚开始学习Python，但是厌烦了Hello World这类没用的东东，于是就自己边学边做，花了一天时间完成了这个稍微复杂的小应用；

麻雀虽小五脏俱全，作为初学者的例程还是很有指导意义的，真正做到从入门到精通，欢迎大家指正。

文本文件内容排序功能：

每行是一条记录，每行可以有多列，列间按预定义的分隔符分隔；

可以按单列或多列组合排序，每列的顺序可以设置为反序或者正序；

列的数据类型可以是字符串、整数、浮点数，比较排序时按指定的数据类型比较大小；

排序算法可以单线程执行（适用于小文件），也可以多线程执行（适用于大文件，分隔排序后再归并）；

使用了如下技术要点：命令行参数面向对象字符串解析文件读取，写入多线程、线程池、队列、线程同步文件归并排序

导入的库：

import sysimport getopt

import threading

import time

import queue from functools 

import cmp_to_key from tempfile 

import TemporaryFile from datetime

import datetime

命令行说明：sort.py -i <input_filename> -o <output_filename> [-d <delimeter>] [-c <columns>] [-s <size>] [-t <threadCount>]

-i 输入源文件名

-o 输出目标文件名，如果未指定，则结果覆盖到源文件

-d 可选项，文件文本行的列分隔符，默认是空格

-c 可选项，相关排序列信息，包括列号（从1开始，按出现顺序优先级排序）、数据类型（i：整数，f：浮点数，默认：字符串）、是否反序（r），   默认按第一列字符串类型正序（升序）排序

-s 可选项，源文件分段最大行数，如果不指定则单线程执行，否则多线程执行排序

-t 可选项，线程数，指定-s参数时生效，默认值：2

示例：python sort.py -i d:/test.txt -o d:/test1.txt -c 4ir,3f,5 -s 10000 -t 3

关键的类：

class Column:  # 列信息对象
    # 列下标 index = 0
    # 是否反序，默认正序 reverse = False
    # 列数据类型 String:0 Int:1 Float:2
    # data_type = 0


    def __init__(self, index, reverse, data_type):
        self.index = index
        self.reverse = reverse
        self.data_type = data_type


    @classmethod  # 类方法
    def parse(cls, s):
        reverse = False
        data_type = 0
        min_index = len(s)
        i = s.find('r')
        if i > -1:
            reverse = True
            if i < min_index:
                min_index = i
        i = s.find('i')
        if i > -1:
            data_type = 1
            if i < min_index:
                min_index = i
        i = s.find('f')
        if i > -1:
            data_type = 2
            if i < min_index:
                min_index = i
        index = int(s[0:min_index]) - 1
        return Column(index, reverse, data_type)




class Line:  # 行对象
    # 行文本
    # line = ''
    # 排序比较的列
    # columns = []


    def __init__(self, line, columns):
        self.line = line
        self.columns = columns


    @classmethod
    def parse(cls, line):
        all_columns = line.split(Config.delimeter)
        all_len = len(all_columns)
        columns = []
        for column in Config.column_info_list:
            index = column.index
            if index < all_len:
                columns.append(all_columns[index])
        return Line(line, columns)

排序比较函数的实现：

def cmp_line(l1, l2):  # 比较函数
    len1 = len(l1.columns)
    len2 = len(l2.columns)
    for i in range(len1):
        column_info = Config.column_info_list[i]
        if i >= len2:
            return -1 if column_info.reverse else 1
        c1 = l1.columns[i]
        c2 = l2.columns[i]
        if column_info.data_type == 1:
            c1 = int(c1)
            c2 = int(c2)
        elif column_info.data_type == 2:
            c1 = float(c1)
            c2 = float(c2)
        if c1 > c2:
            return -1 if column_info.reverse else 1
        elif c1 < c2:
            return 1 if column_info.reverse else -1
            # len1 < len2
    return 0 if len1 == len2 else 1 if Config.column_info_list[len1].reverse else -1

全部的代码下载链接

http://download.csdn.net/detail/u011606457/9834791

作品：http://bss.csdn.net/m/product/python_creative/opus