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，需要記住：

withopen(some_file_name)asfpin:

forlineinfpin:

pass#dosomethingwithline

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：

withopen(some_file_name)asfpin:

fornr,lineinenumerate(fpin):

pass#dosomethingwithline

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：

defawk_like_lines(list_of_file_names):

def_all_lines():

forfilenameinlist_of_file_names:

withopen(filename)asfpin:

yieldfromfpin

yieldfromenumerate(_all_lines())

此語法使用Python的生成器和yieldfrom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)：

defawk_like_lines(list_of_file_names):

def_all_lines():

forfilenameinlist_of_file_names:

withopen(filename)asfpin:

yieldfromenumerate(fpin)

fornr,(fnr,line)in_all_lines:

yieldnr,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：

importdataclass

@dataclass.dataclass(frozen=True)

classAwkLikeLine:

content:str

fnr:int

nr:int

defawk_like_lines(list_of_file_names):

def_all_lines():

forfilenameinlist_of_file_names:

withopen(filename)asfpin:

yieldfromenumerate(fpin)

fornr,(fnr,line)in_all_lines:

yieldAwkLikeLine(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。現(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：

importcollections

importsys

visited=collections.defaultdict(int)

forlineinopen("your_file"):

did_visit=visited[line]

visited[line]+=1

ifnotdid_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?

importsys

visited=set()

forlineinopen("your_file"):

iflineinvisited:

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：

defunique_generator(things):

visited=set()

forthinginthings:

ifthinginvisited:

continue

visited.add(things)

yieldthing

importsys

forlineinunique_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)腜ython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。

以上內(nèi)容為大家介紹了如何把awk腳本移植到Python，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓機構(gòu):千鋒教育。http://www.parentadvocate.org/