將一個 awk 腳本移植到 Python 主要在于代碼風格而不是轉(zhuǎn)譯。

腳本是解決問題的有效方法，而 awk 是編寫腳本的出色語言。它特別擅長于簡單的文本處理，它可以帶你完成配置文件的某些復(fù)雜重寫或目錄中文件名的重新格式化。

何時從 awk 轉(zhuǎn)向 Python

但是在某些方面，awk 的限制開始顯現(xiàn)出來。它沒有將文件分解為模塊的真正概念，它缺乏質(zhì)量錯誤報告，并且缺少了現(xiàn)在被認為是編程語言工作原理的其他內(nèi)容。當編程語言的這些豐富功能有助于維護關(guān)鍵腳本時，移植將是一個不錯的選擇。

我最喜歡的完美移植 awk 的現(xiàn)代編程語言是 Python。

在將 awk 腳本移植到 Python 之前，通常值得考慮一下其原始使用場景。例如，由于 awk 的局限性，通常從 Bash 腳本調(diào)用 awk 代碼，其中包括一些對 sed、sort 之類的其它命令行常見工具的調(diào)用。 最好將所有內(nèi)容轉(zhuǎn)換為一個一致的 Python 程序。有時，腳本會做出過于寬泛的假設(shè)，例如，即使實際上只運行一個文件，該代碼也可能允許任意數(shù)量的文件。

在仔細考慮了上下文并確定了要用 Python 替代的東西之后，該編寫代碼了。

標準 awk 到 Python 功能

以下 Python 功能是有用的，需要記?。?/p>

with open(some_file_name) as fpin:
  for line in fpin:
    pass # do something with line

此代碼將逐行循環(huán)遍歷文件并處理這些行。

如果要訪問行號（相當于 awk 的 NR），則可以使用以下代碼：

with open(some_file_name) as fpin:
  for nr, line in enumerate(fpin):
    pass # do something with line

在 Python 中實現(xiàn)多文件的 awk 式行為

如果你需要能夠遍歷任意數(shù)量的文件同時保持行數(shù)的持續(xù)計數(shù)（類似 awk 的 FNR），則此循環(huán)可以做到這一點：

def awk_like_lines(list_of_file_names):
  def _all_lines():
    for filename in list_of_file_names:
      with open(filename) as fpin:
        yield from fpin
  yield from enumerate(_all_lines())

此語法使用 Python 的生成器和 yield from 來構(gòu)建迭代器，該迭代器將遍歷所有行并保持一個持久計數(shù)。

如果你需要同時使用 FNR 和 NR，這是一個更復(fù)雜的循環(huán)：

def awk_like_lines(list_of_file_names):
  def _all_lines():
    for filename in list_of_file_names:
      with open(filename) as fpin:
        yield from enumerate(fpin)
  for nr, (fnr, line) in _all_lines:
    yield nr, fnr, line

更復(fù)雜的 FNR、NR 和行數(shù)的 awk 行為

如果 FNR、NR 和行數(shù)這三個你全都需要，仍然會有一些問題。如果確實如此，則使用三元組（其中兩個項目是數(shù)字）會導致混淆。命名參數(shù)可使該代碼更易于閱讀，因此最好使用 dataclass：

import dataclass
@dataclass.dataclass(frozen=True)
class AwkLikeLine:
  content: str
  fnr: int
  nr: int
def awk_like_lines(list_of_file_names):
  def _all_lines():
    for filename in list_of_file_names:
      with open(filename) as fpin:
        yield from enumerate(fpin)
  for nr, (fnr, line) in _all_lines:
    yield AwkLikeLine(nr=nr, fnr=fnr, line=line)

你可能想知道，為什么不一直用這種方法呢？使用其它方式的的原因是總用這種方法太復(fù)雜了。如果你的目標是把一個通用庫更容易地從 awk 移植到 Python，請考慮這樣做。但是編寫一個可以使你確切地了解特定情況所需的循環(huán)的方法通常更容易實現(xiàn)，也更容易理解（因而易于維護）。

理解 awk 字段

一旦有了與一行相對應(yīng)的字符串，如果要轉(zhuǎn)換 awk 程序，則通常需要將其分解為字段。Python 有幾種方法可以做到這一點。這將把行按任意數(shù)量的連續(xù)空格拆分，返回一個字符串列表：

line.split()

如果需要另一個字段分隔符，比如以 : 分隔行，則需要 rstrip 方法來刪除最后一個換行符：

line.rstrip("\n").split(":")

完成以下操作后，列表 parts 將存有分解的字符串：

parts = line.rstrip("\n").split(":")

這種拆分非常適合用來處理參數(shù)，但是我們處于偏差一個的錯誤場景中?，F(xiàn)在 parts[0] 將對應(yīng)于 awk 的 $1，parts[1] 將對應(yīng)于 awk 的 $2，依此類推。之所以偏差一個，是因為 awk 計數(shù)“字段”從 1 開始，而 Python 從 0 開始計數(shù)。在 awk 中，$0 是整個行 —— 等同于 line.rstrip("\n")，而 awk 的 NF（字段數(shù)）更容易以 len(parts) 的形式得到。

移植 awk 字段到 Python

例如，讓我們將這個單行代碼“如何使用 awk 從文件中刪除重復(fù)行”轉(zhuǎn)換為 Python。

awk 中的原始代碼是：

awk '!visited[$0]++' your_file > deduplicated_file
“真實的” Python 轉(zhuǎn)換將是：

import collections
import sys
visited = collections.defaultdict(int)
for line in open("your_file"):
  did_visit = visited[line]
  visited[line] += 1
  if not did_visit:
    sys.stdout.write(line)

但是，Python 比 awk 具有更多的數(shù)據(jù)結(jié)構(gòu)。與其計數(shù)訪問次數(shù)（除了知道是否看到一行，我們不使用它），為什么不記錄訪問的行呢？

import sys
visited = set()
for line in open("your_file"):
  if line in visited:
    continue
  visited.add(line)
  sys.stdout.write(line)

編寫 Python 化的 awk 代碼

Python 社區(qū)提倡編寫 Python 化的代碼，這意味著它要遵循公認的代碼風格。更加 Python 化的方法將區(qū)分唯一性和輸入/輸出的關(guān)注點。此更改將使對代碼進行單元測試更加容易：

def unique_generator(things):
  visited = set()
  for thing in things:
    if thing in visited:
      continue
    visited.add(things)
    yield thing
import sys
  
for line in unique_generator(open("your_file")):
  sys.stdout.write(line)

將所有邏輯置于輸入/輸出代碼之外，可以更好地分離問題，并提高代碼的可用性和可測試性。

結(jié)論：Python 可能是一個不錯的選擇

將 awk 腳本移植到 Python 時，通常是在考慮適當?shù)?Python 代碼風格時重新實現(xiàn)核心需求，而不是按條件/操作進行笨拙的音譯?？紤]原始上下文并產(chǎn)生高質(zhì)量的 Python 解決方案。雖然有時候使用 awk 的 Bash 單行代碼可以完成這項工作，但 Python 編碼是通往更易于維護的代碼的途徑。

總結(jié)

以上所述是小編給大家介紹的如何將 awk 腳本移植到 Python，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！

最新評論