本文将通过一下几个方面来一一进行解决
1、程序的主要功能
2、实现过程
3、类的定义
4、用生成器generator动态更新每个对象并返回对象
5、使用strip 去除不必要的字符
6、rematch匹配字符串
7、使用timestrptime提取字符串转化为时间对象
8、完整代码
程序的主要功能
现在有个存储用户信息的像表格一样的文档：第一行是属性，各个属性用逗号(，)分隔，从第二行开始每行是各个属性对应的值，每行代表一个用户。如何实现读入这个文档，每行输出一个用户对象呢？
另外还有4个小要求：
每个文档都很大，如果一次性把所有行生成的那么多对象存成列表返回，内存会崩溃。程序中每次只能存一个行生成的对象。
用逗号隔开的每个字符串，前后可能有双引号（”）或者单引号（'）,例如”张三“，要把引号去掉；如果是数字，有+000000001.24这样的，要把前面的+和0都去掉，提取出1.24
文档中有时间，形式可能是2013-10-29，也可能是2013/10/29 2:23:56 这样的形式，要把这样的字符串转成时间类型
这样的文档有好多个，每个的属性都不一样，例如这个是用户的信息，那个是通话纪录。所以类中的具体属性有哪些要根据文档的第一行动态生成
实现过程
1.类的定义
由于属性是动态添加的，属性-值 对也是动态添加的，类中要含有updateAttributes（）和updatePairs（）两个成员函数即可,此外用列表attributes存储属性，词典attrilist存储映射。其中init()函数为构造函数。 __attributes前有下划线表示私有变量，不能在外面直接调用。实例化时只需a=UserInfo()即可，无需任何参数。
|
1
2
3
4
5
6
7
8
9
10
|
class UserInfo(object):
'Class to restore UserInformation'
def __init__ (self):
self.attrilist={}
self.__attributes=[]
def updateAttributes(self,attributes):
self.__attributes=attributes
def updatePairs(self,values):
for i in range(len(values)):
self.attrilist[self.__attributes[i]]=values[i]
|
2.用生成器（generator）动态更新每个对象并返回对象
生成器相当于一个只需要初始化一次，就可自动运行多次的函数，每次循环返回一个结果。不过函数用return 返回结果，而生成器用yield 返回结果。每次运行都在yield返回，下一次运行从yield之后开始。例如，我们实现斐波拉契数列，分别用函数和生成器实现：
|
1
2
3
4
5
6
7
|
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
|
我们计算数列的前6个数：
|
1
2
3
4
5
6
7
8
|
>>> fib(6)
1
1
2
3
5
8
'done'
|
如果用生成器的话，只要把 print 改成 yield 就可以了。如下：
|
1
2
3
4
5
6
|
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
|
使用方法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
>>> for i in f:
... print(i)
...
1
1
2
3
5
8
>>>
|
可以看到，生成器fib本身是个对象，每次执行到yield会中断返回一个结果，下次又继续从yield的下一行代码继续执行。生成器还可以用generator.next()执行。
在我的程序中，生成器部分代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
def ObjectGenerator(maxlinenum):
filename='/home/thinkit/Documents/usr_info/USER.csv'
attributes=[]
linenum=1
a=UserInfo()
file=open(filename)
while linenum < maxlinenum:
values=[]
line=str.decode(file.readline(),'gb2312')#linecache.getline(filename, linenum,'gb2312')
if line=='':
print'reading fail! Please check filename!'
break
str_list=line.split(',')
for item in str_list:
item=item.strip()
item=item.strip('\"')
item=item.strip('\'')
item=item.strip('+0*')
item=catchTime(item)
if linenum==1:
attributes.append(item)
else:
values.append(item)
if linenum==1:
a.updateAttributes(attributes)
else:
a.updatePairs(values)
yield a.attrilist #change to ' a ' to use
linenum = linenum +1
|
其中，a=UserInfo()为类UserInfo的实例化.因为文档是gb2312编码的，上面使用了对应的解码方法。由于第一行是属性，有个函数将属性列表存入UserInfo中，即updateAttributes();后面的行则要将 属性-值 对读入一个字典中存储。p.s.python中的字典相当于映射（map）.
3.使用strip 去除不必要的字符
从上面代码中，可以看到使用str.strip(somechar)即可去除str前后的somechar字符。somechar可以是符号，也可以是正则表达式，如上：
|
1
2
3
4
|
item=item.strip()#除去字符串前后的所有转义字符，如\t,\n等
item=item.strip('\"')#除去前后的"
item=item.strip('\'')
item=item.strip('+0*')#除去前后的+00...00，*表示0的个数可以任意多，也可以没有
|
4.re.match匹配字符串
函数语法：
|
1
|
re.match(pattern, string, flags=0)
|
函数参数说明：
参数 描述
pattern 匹配的正则表达式
string 要匹配的字符串。
flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
若匹配成功re.match方法返回一个匹配的对象，否则返回None。`
>>> s='2015-09-18'
>>> matchObj=re.match(r'\d{4}-\d{2}-\d{2}',s, flags= 0)
>>> print matchObj
<_sre.SRE_Match object at 0x7f3525480f38>
1
2
3
4
5
5.使用time.strptime提取字符串转化为时间对象
在time模块中,time.strptime(str,format)可以把str按照format格式转化为时间对象，format中的常用格式有：
%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00=59）
%S 秒（00-59）
此外，还需要使用re模块，用正则表达式，对字符串进行匹配，看是否是一般时间的格式，如YYYY/MM/DD H:M:S, YYYY-MM-DD等
在上面的代码中，函数catchTime就是判断item是否为时间对象，是的话转化为时间对象。
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import time
import re
def catchTime(item):
# check if it's time
matchObj=re.match(r'\d{4}-\d{2}-\d{2}',item, flags= 0)
if matchObj!= None :
item =time.strptime(item,'%Y-%m-%d')
#print "returned time: %s " %item
return item
else:
matchObj=re.match(r'\d{4}/\d{2}/\d{2}\s\d+:\d+:\d+',item,flags=0 )
if matchObj!= None :
item =time.strptime(item,'%Y/%m/%d %H:%M:%S')
#print "returned time: %s " %item
return item
|
完整代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
import collections
import time
import re
class UserInfo(object):
'Class to restore UserInformation'
def __init__ (self):
self.attrilist=collections.OrderedDict()# ordered
self.__attributes=[]
def updateAttributes(self,attributes):
self.__attributes=attributes
def updatePairs(self,values):
for i in range(len(values)):
self.attrilist[self.__attributes[i]]=values[i]
def catchTime(item):
# check if it's time
matchObj=re.match(r'\d{4}-\d{2}-\d{2}',item, flags= 0)
if matchObj!= None :
item =time.strptime(item,'%Y-%m-%d')
#print "returned time: %s " %item
return item
else:
matchObj=re.match(r'\d{4}/\d{2}/\d{2}\s\d+:\d+:\d+',item,flags=0 )
if matchObj!= None :
item =time.strptime(item,'%Y/%m/%d %H:%M:%S')
#print "returned time: %s " %item
return item
def ObjectGenerator(maxlinenum):
filename='/home/thinkit/Documents/usr_info/USER.csv'
attributes=[]
linenum=1
a=UserInfo()
file=open(filename)
while linenum < maxlinenum:
values=[]
line=str.decode(file.readline(),'gb2312')#linecache.getline(filename, linenum,'gb2312')
if line=='':
print'reading fail! Please check filename!'
break
str_list=line.split(',')
for item in str_list:
item=item.strip()
item=item.strip('\"')
item=item.strip('\'')
item=item.strip('+0*')
item=catchTime(item)
if linenum==1:
attributes.append(item)
else:
values.append(item)
if linenum==1:
a.updateAttributes(attributes)
else:
a.updatePairs(values)
yield a.attrilist #change to ' a ' to use
linenum = linenum +1
if __name__ == '__main__':
for n in ObjectGenerator(10):
print n #输出字典，看是否正确
|
总结
以上就是这篇文章的全部内容，希望能对大家的学习或者工作带来一定帮助，如果有疑问大家可以留言交流，谢谢大家对服务器之家的支持。