互联网日志数据分析 页面访问量统计 mapreduce

该代码为早期处理代码，处理速度较慢，仅作为思路保留

处理数据链接

浏览网页关联度参考文档

https://www.docin.com/p-2114228626.html

2.用户日志分析2.1创建csv文件

csv文件字段应该如下

USERID 表示用户id; Time 表示收集时间; T表示该记录的时间点，以距离开机时间的秒数形式记录，例如8933表示距离开机时间的8933秒后； P表示焦点窗口的窗口进程名； I表示焦点窗口的窗口进程号； U表示浏览器窗口的地址栏内容，即当前浏览网页的URL（为了保护样本隐私，已将URL中第1个问号之后的参数部分截断）； A表示浏览器窗口的地址栏句柄； B表示浏览器窗口的当前标签页句柄； V表示焦点窗口对应的程序版本号； W表示非浏览器焦点窗口的窗口句柄； N表示焦点窗口对应的程序名称（仅在第一次出现时记录）； C表示焦点窗口对应的程序所属公司名（仅在第一次出现时记录）。

2.2首先对单文本进行处理

import pandas as pd
csv_data = pd.read_csv("Transactions.csv")
#统计购物项
head_row =0
for i in csv_data["Model"]:
    if i not in head_row:
        head_row.append(i)
#统计订单号
order_number =0
for i in csv_data["OrderNumber"]:
    if i not in order_number:
        order_number.append(i)

#新建—个以购物项为列名，订单号为索引的表格
new_table = pd.DataFrame(columns=head_row,index=order_number)#写内容
for j in csv_data.iterrows():
    new_table.loc[j[1][0]]0[1][1]]=1
#数据写入csv文件
new_table.to_csv('Transactions_new.csv', sep='., header=True, index=True)

#单文本处理
import pandas as pd
import re

def txtfile_process(inpath,formatfile,outpath):
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    df = pd.DataFrame(files)
    #f = open('data/behavior/2012-05-07/0AB6BBBEDFF24EC8BAAC905F45AE314C_2012-05-07_21-22-38.txt',encoding='utf-8')
    f = open(inpath,encoding='utf-8')

    file=f.readlines()
    #创建索引
    #df.index = range(len(df))
    #df.reindex(index=range(100))
    for i,line in enumerate(file):
        if(i<2) :
            continue
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            name    =result[0]
            value   =result[1]
            df.at[i-2,name]=value
            #df[name][i-2]=value
            #print("{1}= {0}".format(value,name))
            #df[name][i-1].set_value.set_value(i,name,value)
        print(a)
    df.to_csv(outpath)
inpath      ='data/behavior/2012-05-07/0AB6BBBEDFF24EC8BAAC905F45AE314C_2012-05-07_21-22-38.txt'
formatfile  ='new_data.csv'
outpath     ='newss_data.csv'

txtfile_process(inpath,formatfile,outpath)

http://www.javashuo.com/article/p-odfboruj-mv.html pandas的set_value赋值方式 pandas set_value 弃用后的替代方式

用python从文件路径获取文件名

如何获取Dataframe的行数和列数

效果如图

2.3多文本处理

Python 获取指定文件夹下的目录和文件

#读取目录下所有文件
import  os
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            print(file_path)
        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)
if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\data\\behavior\\2012-05-07'
    print_list_dir(dir_path)

2.3.1单文本处理改进，增加用户id和时间

import pandas as pd
import re
import os
def txtfile_process(inpath,formatfile,outpath,index):
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    df = pd.DataFrame(files)
    #f = open('data/behavior/2012-05-07/0AB6BBBEDFF24EC8BAAC905F45AE314C_2012-05-07_21-22-38.txt',encoding='utf-8')
    f = open(inpath,encoding='utf-8')
    #对文件名进行解析，获取用户id
    filename=os.path.split(inpath)[1].split(".")[0]
    strlist=filename.split('_')
    USERID=strlist[0]
    Time=strlist[1]+'_'+strlist[2]
    #对文件内容进行处理
    file=f.readlines()
    pos=0
    for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            name    =result[0]
            value   =result[1]
            df.at[i-2+index,name]=value
        print(a)
    
    rownum=df.shape[0]
    for i in range(0,rownum):
        df.at[i,'USERID']=USERID
        df.at[i,'Time']=Time
    df.to_csv(outpath)
    #返回有效行数
    return pos
       
inpath      ='data/behavior/2012-05-07/0AB6BBBEDFF24EC8BAAC905F45AE314C_2012-05-07_21-22-38.txt'
formatfile  ='new_data.csv'
outpath     ='newss_data.csv'

txtfile_process(inpath,formatfile,outpath,0)

效果如图

2.3.2多文本处理

import pandas as pd
import re
import os
def txtfile_process(inpath,formatfile,outpath,index):
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    df = pd.DataFrame(files)
    #f = open('data/behavior/2012-05-07/0AB6BBBEDFF24EC8BAAC905F45AE314C_2012-05-07_21-22-38.txt',encoding='utf-8')
    f = open(inpath,encoding='utf-8')
    #对文件名进行解析，获取用户id
    filename=os.path.split(inpath)[1].split(".")[0]
    strlist=filename.split('_')
    USERID=strlist[0]
    Time=strlist[1]+'_'+strlist[2]
    #对文件内容进行处理
    file=f.readlines()
    pos=0
    for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            name    =result[0]
            value   =result[1]
            df.at[i-2+index,name]=value
        print(a)
    
    rownum=df.shape[0]
    for i in range(0,rownum):
        df.at[i,'USERID']=USERID
        df.at[i,'Time']=Time
    df.to_csv(outpath)
    #返回有效行数
    return pos
    
#对该路径下的文件和目录进行遍历
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    formatfile  ='new_data.csv'
    outpath     ='newss_data.csv'
    pos=0#定义当前位置
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            pos=pos+txtfile_process(file_path,formatfile,outpath,pos)

        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)
            
if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\data\\behavior\\2012-05-07'
    print_list_dir(dir_path)

2.4 确立目标用户浏览网页关联度1.清洗所有txt文本

将不包含U字段的行全部删除，即不含 U<=> 的行

1.1对单文件进行删除操作

python 删除文本中的特定行

import os
def txt_delete_condition(inpath,outpath,str):
    f = open(inpath,encoding='utf-8')
    c=[]
    file=f.readlines()
    for i,line in enumerate(file):
        if i<2 :
            c.append(line)
            continue
        #a = line.strip('\n')
        flag=True
        if(line.find(strs)==-1):
            flag=False
        if flag==True:
            c.append(line)
    res="".join(c)
    with open(outpath,'w') as f:
        f.writelines(res)

inpath = "association\\2012-05-07\\0B9205B65DE6BAF09AE4AA49F37011A1_2012-05-07_09-03-53.txt"
strs="U<=>"
txt_delete_condition(inpath,inpath,strs)

1.2多文本进行删除操作

import os
def txt_delete_condition(inpath,outpath,strs):
    f = open(inpath,encoding='utf-8')
    c=[]
    file=f.readlines()
    for i,line in enumerate(file):
        if i<2 :
            c.append(line)
            continue
        flag=True
        if(line.find(strs)==-1):
            flag=False
        if flag==True:
            c.append(line)
    res="".join(c)
    with open(outpath,'w') as f:
        f.writelines(res)
#读取目录下所有文件
import  os
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    strs="U<=>"
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            #对所有文件进行处理
            txt_delete_condition(file_path,file_path,strs)
        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)

if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\association\\2012-05-07'
    print_list_dir(dir_path)

效果 原来30MB大小变为15M左右

2.建立csv文件

字段为用户id ，网页编号，以及网页链接

2.1对单文本建立字段

import pandas as pd
import re
import os
inpath ="association\\2012-05-07\\0B9205B65DE6BAF09AE4AA49F37011A1_2012-05-07_09-03-53.txt"
formatfile="connect.csv"
outpath="transtion.csv"
index=0
pos=0
#确定文件格式
files = pd.read_csv(formatfile)
df = pd.DataFrame(files)
f = open(inpath,encoding='utf-8')
#对文件名进行解析，获取用户id
filename=os.path.split(inpath)[1].split(".")[0]
strlist=filename.split('_')
USERID=strlist[0]
file=f.readlines()
for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            
            name    =result[0]
            value   =result[1]
            if name!='U':
                continue
            df.at[i-2+index,'Model']=value
            df.at[i-2+index,'LineNumber']=i-1
        print(a)
rownum=df.shape[0]
for i in range(index,rownum):
    df.at[i,'USERID']=USERID
df.to_csv(outpath)

发现有的文本U字段的值为NULL，继续删除txt文本的行 即U<=>NULL的行

将文本二次处理时会报错

将编码encoding=‘utf-8’ 变为encoding='gbk’解决

import os
def txt_delete_condition(inpath,outpath,strs):
    f = open(inpath,encoding='gbk')
    c=[]
    file=f.readlines()
    for i,line in enumerate(file):
        if i<2 :
            c.append(line)
            continue
        flag=True
        if(line.find(strs)!=-1):
            flag=False
        if flag==True:
            c.append(line)
    res="".join(c)
    with open(outpath,'w') as f:
        f.writelines(res)
#读取目录下所有文件
import  os
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    strs="U<=>NULL"
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            #对所有文件进行处理
            txt_delete_condition(file_path,file_path,strs)
        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)

if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\association\\2012-05-07'
    print_list_dir(dir_path)

2.2继续对单文本处理

import pandas as pd
import re
import os
def txt_conversion_csv(inpath,formatfile,outpath,index):
    pos=0
    #确定文件格式
    files = pd.read_csv(formatfile)
    df = pd.DataFrame(files)
    f = open(inpath,encoding='gbk')
    #对文件名进行解析，获取用户id
    filename=os.path.split(inpath)[1].split(".")[0]
    strlist=filename.split('_')
    USERID=strlist[0]
    file=f.readlines()
    for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            
            name    =result[0]
            value   =result[1]
            if name!='U':
                continue
            df.at[i-2+index,'Model']=value
            df.at[i-2+index,'LineNumber']=i-1
        print(a)
    rownum=df.shape[0]
    for i in range(index,rownum):
        df.at[i,'USERID']=USERID
    df.to_csv(outpath)
    return pos
    
inpath ="association\\2012-05-07\\0B9205B65DE6BAF09AE4AA49F37011A1_2012-05-07_09-03-53.txt"
formatfile="connect.csv"
outpath="transtion.csv"
index=0
txt_conversion_csv(inpath,formatfile,outpath,index)

2.3 对多文本进行建立字段

出现问题，字段访问越界，估计是U<=>后面出现了内容为空的情况

加一个代码判断切割列表元素的个数

str=str.replace('<=>','@')
            result=str.split("@")
            if len(result)!=2:
                continue
            name    =result[0]
            value   =result[1]

出现问题

解决该问题，并且限定读取内容，处理10000条内容大概35秒左右， 这大概和我使用函数式编程导致频繁打开关闭csv文件并重新写入有关

import pandas as pd
import re
import os
def txt_conversion_csv(inpath,formatfile,outpath,index):
    pos=0
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    df = pd.DataFrame(files)
    f = open(inpath,encoding='gbk')
    #对文件名进行解析，获取用户id
    filename=os.path.split(inpath)[1].split(".")[0]
    strlist=filename.split('_')
    USERID=strlist[0]
    file=f.readlines()
    for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            if len(result)!=2:
                continue
            name    =result[0]
            value   =result[1]
            if name!='U':
                continue
            df.at[i-2+index,'Model']=value
            df.at[i-2+index,'LineNumber']=i-1
        #print(a)
    rownum=df.shape[0]
    for i in range(index,rownum):
        df.at[i,'USERID']=USERID
    df.to_csv(outpath)
    return pos
    
#对该路径下的文件和目录进行遍历
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    formatfile  ='connect.csv'
    outpath     ='transtion.csv'
    pos=0#定义当前位置
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            pos=pos+txt_conversion_csv(file_path,outpath,outpath,pos)
            #给定结束条件
            if pos>10000:
                return 'break'
        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)
            
if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\association\\2012-05-07'
    print_list_dir(dir_path)

效果

2.4多文本建立字段优化处理

优化内容如下，打开csv文件后不再关闭，防止频繁写入导致时间指数方式增长 结果： 效果不是很好，大概python内部进行了优化，10000条信息大概 默数62个数的时间

import pandas as pd
import re
import os
def txt_conversion_csv(inpath,formatfile,outpath,index):
    pos=0
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    #isnan
    df = pd.DataFrame(files)
    f = open(inpath,encoding='gbk')
    #对文件名进行解析，获取用户id
    filename=os.path.split(inpath)[1].split(".")[0]
    strlist=filename.split('_')
    USERID=strlist[0]
    file=f.readlines()
    for i,line in enumerate(file):
        if(i<2) :
            continue
        #统计有效行数
        pos=pos+1
        a = line.strip('\n')
        a=a.replace('[=]','@')
        a_lists=a.split("@")
        
        for str in a_lists:
            str=str.replace('<=>','@')
            result=str.split("@")
            if len(result)!=2:
                continue
            name    =result[0]
            value   =result[1]
            if name!='U':
                continue
            df.at[i-2+index,'Model']=value
            df.at[i-2+index,'LineNumber']=i-1
        #print(a)
    rownum=df.shape[0]
    for i in range(index,rownum):
        df.at[i,'USERID']=USERID
    df.to_csv(outpath)
    return pos
    
#对该路径下的文件和目录进行遍历
def print_list_dir(dir_path):
    dir_files=os.listdir(dir_path) #得到该文件夹下所有的文件
    
    formatfile  ='transtionnew.csv'
    outpath     ='transtionnew.csv'
    #确定文件格式
    files = pd.read_csv(formatfile,index_col=0)
    df = pd.DataFrame(files)
    pos=0#定义当前位置
    for file in  dir_files:
        file_path=os.path.join(dir_path,file)  #路径拼接成绝对路径
        if os.path.isfile(file_path): #如果是文件，就打印这个文件路径
            inpath=file_path
            index=pos            
            f = open(inpath,encoding='gbk')
            #对文件名进行解析，获取用户id
            filename=os.path.split(inpath)[1].split(".")[0]
            strlist=filename.split('_')
            USERID=strlist[0]
            file=f.readlines()
            for i,line in enumerate(file):
                if(i<2) :
                    continue
                #统计有效行数
                pos=pos+1
                a = line.strip('\n')
                a=a.replace('[=]','@')
                a_lists=a.split("@")
        
                for str in a_lists:
                    str=str.replace('<=>','@')
                    result=str.split("@")
                    if len(result)!=2:
                        continue
                    name    =result[0]
                    value   =result[1]
                    if name!='U':
                        continue
                    df.at[i-2+index,'Model']=value
                    df.at[i-2+index,'LineNumber']=i-1
                #print(a)
                rownum=df.shape[0]
                for i in range(index,rownum):
                    df.at[i,'USERID']=USERID

                #pos=pos+txt_conversion_csv(file_path,outpath,outpath,pos)
                    #给定结束条件
        if pos>10000:
            #写入数据
            df.to_csv(outpath)
            return 'break'
        if os.path.isdir(file_path):  #如果目录，就递归子目录
            print_list_dir(file_path)
            
if __name__ == '__main__':
    dir_path='E:\\Reptile_Data\\数智教育数据集\\互联网用户行为日志数据集.rardataset_616718\\association\\2012-05-07'
    print_list_dir(dir_path)

效果不是很好，大概python内部进行了优化，10000条信息大概 默数62个数的时间

2.5 网址处理,提取域名

域名相同的网址一定有联系

将网址进行处理，只保留域名，相同域名的网站一定是有联系的，我们不考虑他们是否有联系

网址文本文本处理

import pandas as pd
import re
import os
def url_process(strs,pattern):

    try:
        a=re.search(pattern,strs)
        strs=a.group(0)
        #print('匹配成功，结果为：',a.group(0))
    except:#删除不能匹配的行
        print("error")
    return  strs

#strs="http://user.qzone.qq.com/970593127/infocenter#!app=602"
strs="http://user.qzone.qq.cn/970593127/infocenter#!app=602"
pattern='([\S]+?\.(com|cn))'#提取的算式
strs=url_process(strs,pattern)
#处理结果输出
print(strs)

对CSV文件进行处理

读取csv文件报错

将csv文件变为utf-8格式解决

import pandas as pd
import re

def url_process(strs,pattern):
    try:
        a=re.search(pattern,strs)
        strs=a.group(0)
        #print('匹配成功，结果为：',a.group(0))
    except:#删除不能匹配的行
        strs="NULL"
        #print("error")
    return  strs

inpath="test.csv"

files = pd.read_csv(inpath,index_col=0)
df = pd.DataFrame(files)
pattern='([\S]+?\.(com|cn))'#提取域名
#数据处理
for i in range(0,len(df)):
    strs = str(df['Model'][i])
    strs = url_process(strs,pattern)
    df['Model'][i]=strs

df.to_csv(inpath)

效果如图

3.建立不同用户浏览网页之间的关联3.1建立关联表

读入txt文件，并通过用户id奖励关联网页，类似于上课老师讲的购物篮，这里的用户id等同于订单编号

import pandas as pd
csv_data = pd.read_csv("test.csv")
#统计网站项
head_row =[]
for i in csv_data["Model"]:
    if i not in head_row:
        head_row.append(i)

#统计用户id
order_number =[]
for i in csv_data["USERID"]:
    if i not in order_number:
        order_number.append(i)

#新建—个以网站域名为列名，订单号为用户id的表格
new_table = pd.DataFrame(columns=head_row,index=order_number)#写内容

for j in csv_data.iterrows():
    new_table.loc[j[1][0]][j[1][1]]=1
#数据写入csv文件
new_table.to_csv('test_new.csv', sep=',', header=True, index=True)

估计索引出现问题 ，删除最左侧的一列

之后出现问题

修改代码为

import pandas as pd
csv_data = pd.read_csv("test.csv")
#统计网站项
head_row =[]
for i in csv_data["Model"]:
    if i not in head_row:
        head_row.append(i)

#统计用户id
order_number =[]
for i in csv_data["USERID"]:
    if i not in order_number:
        order_number.append(i)

#新建—个以网站域名为列名，订单号为用户id的表格
new_table = pd.DataFrame(columns=head_row,index=order_number)#写内容

for j in csv_data.iterrows():
    row_name=j[1][0]
    col_name=j[1][2]
    #print("{0} {1}".format(row_name,col_name))
    new_table.loc[row_name][col_name]=1
#数据写入csv文件
new_table.to_csv('test_new.csv', sep=',', header=True, index=True)

效果如下

将用户序列字段删除，仅保留关系 ，效果如下

3.2 将csv文件转化为xlsx

Python3安装xlsxwriter

将csv文件转换excel的时候

在处理csv 文件的时候 经常需要转换未excel文件 但是csv 文件有时候并不适合用excel 打开 只要是分隔符 和换行符不符合 excel格式 ,就导致文件打开都是乱行

直接贴出代码来

import pandas as pd 
import xlsxwriter
data_csv=pd.read_csv('./allProducts.csv',escapechar="\\",delimiter=";")
data_csv.to_excel('2112131.xlsx',sheet_name='data',engine='xlsxwriter')

分析 为什么用xlsxwriter 因为pandas默认生成excel文件会有行数限制

因为读取的csv文件中字段值中包含 html代码 其中有转义双引号 所以必须设置 转义字符选项escapechar 分隔符 delimiter 根据csv文件里的分隔符设置 默认是逗号

四行代码 完成转换

作者：一个人独闯 链接：https://www.zhihu.com/question/57354476/answer/2214141333 来源：知乎

import pandas as pd 
import xlsxwriter
data_csv=pd.read_csv('test_new.csv',escapechar="\\",delimiter=",")
data_csv.to_excel('2112131.xlsx',sheet_name='data',engine='xlsxwriter')

转换结果如图

删除索引字段 ，效果如图

4.生成数据格式出现问题，统计修改为float

import pandas as pd
import re
import os
path1="test_new.csv"
file1 = pd.read_csv(path1,index_col=0)
file1 = pd.DataFrame(file1, dtype='float')
df1 = pd.DataFrame(file1)
outpath="test_newss.csv"
df1.to_csv(outpath)

import pandas as pd 
import xlsxwriter
data_csv=pd.read_csv('test_newss.csv',escapechar="\\",delimiter=",")
data_csv.to_excel('2112131.xlsx',sheet_name='data',engine='xlsxwriter')

处理结果为无效