Python使用list字段模式或者dict字段模式读取文件的方法

Python用于处理文本数据绝对是个利器，极为简单的读取、分割、过滤、转换支持，使得开发者不需要考虑繁杂的流文件处理过程（相对于JAVA来说的，嘻嘻）。博主自己工作中，一些复杂的文本数据处理计算，包括在HADOOP上编写Streaming程序，均是用Python完成。

而在文本处理的过程中，将文件加载内存中是第一步，这就涉及到怎样将文件中的某一列映射到具体的变量的过程，最最愚笨的方法，就是按照字段的下标进行引用，比如这样子：

 

将文件行映射到各个字段最愚笨的方法

 

Python

 

 

# fields是读取了一行，并且按照分隔符分割之后的列表
user_id = fields [ 0 ]
user_name = fields [ 1 ]
user_type = fields [ 2 ]

如果按照这种方式读取，一旦文件有顺序、增减列的变动，代码的维护是个噩梦，这种代码一定要杜绝。

本文推荐两种优雅的方式来读取数据，都是先配置字段模式，然后按照模式读取，而模式则有字典模式和列表模式两种形式；

读取文件，按照分隔符分割成字段数据列表

首先读取文件，按照分隔符分割每一行的数据，返回字段列表，以便后续处理。

代码如下：

 

读取文件并进行分割的函数

  

def read_file_data ( filepath ) :
     '' '根据路径按行读取文件, 参数filepath：文件的绝对路径
    @param filepath: 读取文件的路径
    @return: 按\t分割后的每行的数据列表
    ' ''
     fin = open ( filepath , 'r' )
     for line in fin :
         try :
             line = line [ : - 1 ]
             if not line : continue
         except :
             continue
        
         try :
             fields = line . split ( "\t" )
         except :
             continue
         # 抛出当前行的分割列表
         yield fields
     fin . close ( )

使用yield关键字，每次抛出单个行的分割数据，这样在调度程序中可以用for fields in read_file_data(fpath)的方式读取每一行。

映射到模型之方法1：使用配置好的字典模式，装配读取的数据列表

这种方法配置一个{“字段名”: 字段位置}的字典作为数据模式，然后按照该模式装配读取的列表数据，最后实现用字典的方式访问数据。

所使用的函数：

用字典模式装配数据列表以实现按KEY读取

 

Python

 

 

@ staticmethod
def map_fields_dict_schema ( fields , dict_schema ) :
     """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name':0, 'age':1}，那么就返回{'name':'a','age':'b'}
    @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
    @param dict_schema: 一个词典，key是字段名称，value是字段的位置；
    @return: 词典，key是字段名称，value是字段值
    """
     pdict = { }
     for fstr , findex in dict_schema . iteritems ( ) :
         pdict [ fstr ] = str ( fields [ int ( findex ) ] )
     return pdict

有了该方法和之前的方法，可以用以下的方式读取数据：

用字典模式读取数据实例

 

Python

 

# coding:utf8
"""
@author: www.crazyant.net
测试使用字典模式加载数据列表
优点：对于多列文件，只通过配置需要读取的字段，就能读取对应列的数据
缺点：如果字段较多，每个字段的位置配置，较为麻烦
"""
import file_util
import pprint
 
# 配置好的要读取的字典模式，可以只配置自己关心的列的位置
dict_schema = { "userid" : 0 , "username" : 1 , "usertype" : 2 }
for fields in file_util . FileUtil . read_file_data ( "userfile.txt" ) :
     # 将字段列表，按照字典模式进行映射
     dict_fields = file_util . FileUtil . map_fields_dict_schema ( fields , dict_schema )
     pprint . pprint ( dict_fields )

输出结果：

字典模式加载后的字典数据

 

Python

 

{ 'userid' : '1' , 'username' : 'name1' , 'usertype' : '0' }
{ 'userid' : '2' , 'username' : 'name2' , 'usertype' : '1' }
{ 'userid' : '3' , 'username' : 'name3' , 'usertype' : '2' }
{ 'userid' : '4' , 'username' : 'name4' , 'usertype' : '3' }
{ 'userid' : '5' , 'username' : 'name5' , 'usertype' : '4' }
{ 'userid' : '6' , 'username' : 'name6' , 'usertype' : '5' }
{ 'userid' : '7' , 'username' : 'name7' , 'usertype' : '6' }
{ 'userid' : '8' , 'username' : 'name8' , 'usertype' : '7' }
{ 'userid' : '9' , 'username' : 'name9' , 'usertype' : '8' }
{ 'userid' : '10' , 'username' : 'name10' , 'usertype' : '9' }
{ 'userid' : '11' , 'username' : 'name11' , 'usertype' : '10' }
{ 'userid' : '12' , 'username' : 'name12' , 'usertype' : '11' }

映射到模型之方法2：使用配置好的列表模式，装配读取的数据列表

如果需要读取文件所有列，或者前面的一些列，那么配置字典模式优点复杂，因为需要给每个字段配置索引位置，并且这些位置是从0开始完后数的，属于低级劳动，需要消灭。

列表模式应命运而生，先将配置好的列表模式转换成字典模式，然后按字典加载就可以实现。

转换模式，以及用按列表模式读取的代码：

用列表模式读取数据的方法

 

Python

 

@ staticmethod
def transform_list_to_dict ( para_list ) :
     """把['a', 'b']转换成{'a':0, 'b':1}的形式
    @param para_list: 列表，里面是每个列对应的字段名
    @return: 字典，里面是字段名和位置的映射
    """
     res_dict = { }
     idx = 0
     while idx < len ( para_list ) :
         res_dict [ str ( para_list [ idx ] ) . strip ( ) ] = idx
         idx += 1
     return res _dict
 
@ staticmethod
def map_fields_list_schema ( fields , list_schema ) :
     """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name', 'age'}，那么就返回{'name':'a','age':'b'}
    @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
    @param list_schema: 列名称的列表list
    @return: 词典，key是字段名称，value是字段值
    """
     dict_schema = FileUtil . transform_list_to_dict ( list_schema )
     return FileUtil . map_fields_dict_schema ( fields , dict_schema )

使用的时候，可以用列表的形式配置模式，不需要配置索引更加简洁：

使用列表模式读取数据的调用的代码

 

Python

 

# coding:utf8
"""
@author: www.crazyant.net
测试使用列表模式加载数据列表
优点：如果读取所有列，用列表模式只需要按顺序写出各个列的字段名就可以
缺点：不能够只读取关心的字段，需要全部读取
"""
import file_util
import pprint
 
# 配置好的要读取的列表模式，只能配置前面的列，或者所有咧
list_schema = [ "userid" , "username" , "usertype" ]
for fields in file_util . FileUtil . read_file_data ( "userfile.txt" ) :
     # 将字段列表，按照字典模式进行映射
     dict_fields = file_util . FileUtil . map_fields_list_schema ( fields , list_schema )
     pprint . pprint ( dict_fields )

运行结果和字典模式的完全一样。

file_util.py全部代码

以下是file_util.py中的全部代码，可以放在自己的公用类库中使用

file_util.py

 

Python

 

# -*- encoding:utf8 -*-
'''
@author: www.crazyant.net
@version: 2014-12-5
'''
 
class FileUtil ( object ) :
     '''文件、路径常用操作方法
    '''
     @ staticmethod
     def read_file_data ( filepath ) :
         '''根据路径按行读取文件, 参数filepath：文件的绝对路径
        @param filepath: 读取文件的路径
        @return: 按\t分割后的每行的数据列表
        '''
         fin = open ( filepath , 'r' )
         for line in fin :
             try :
                 line = line [ : - 1 ]
                 if not line : continue
             except :
                 continue
            
             try :
                 fields = line . split ( "\t" )
             except :
                 continue
             # 抛出当前行的分割列表
             yield fields
         fin . close ( )
    
     @ staticmethod
     def transform_list_to_dict ( para_list ) :
         """把['a', 'b']转换成{'a':0, 'b':1}的形式
        @param para_list: 列表，里面是每个列对应的字段名
        @return: 字典，里面是字段名和位置的映射
        """
         res_dict = { }
         idx = 0
         while idx < len ( para_list ) :
             res_dict [ str ( para_list [ idx ] ) . strip ( ) ] = idx
             idx += 1
         return res _dict
    
     @ staticmethod
     def map_fields_list_schema ( fields , list_schema ) :
         """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name', 'age'}，那么就返回{'name':'a','age':'b'}
        @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
        @param list_schema: 列名称的列表list
        @return: 词典，key是字段名称，value是字段值
        """
         dict_schema = FileUtil . transform_list_to_dict ( list_schema )
         return FileUtil . map_fields_dict_schema ( fields , dict_schema )
    
@ staticmethod
def map_fields_dict_schema ( fields , dict_schema ) :
     """根据字段的模式，返回模式和数据值的对应值；例如 fields为['a','b','c'],schema为{'name':0, 'age':1}，那么就返回{'name':'a','age':'b'}
    @param fields: 包含有数据的数组，一般是通过对一个Line String通过按照\t分割得到
    @param dict_schema: 一个词典，key是字段名称，value是字段的位置；
    @return: 词典，key是字段名称，value是字段值
    """
     pdict = { }
     for fstr , findex in dict_schema . iteritems ( ) :
         pdict [ fstr ] = str ( fields [ int ( findex ) ] )
     return pdict