使用python编写提取日志中的中文的脚本的方法

由于工作需要在一大堆日志里面提取相应的一些固定字符,如果单纯靠手工取提取,数据量大,劳心劳力,于是自然而然想到了用python做一个对应的提取工具,代替手工提取的繁杂,涉及中文字符,正则表达式不好匹配,但不是不可以实现,这个以后优化时再说。

需求描述:

一个父目录中存在多个子文件夹,子文件夹下有多个txt形式化的log日志,要求从所有地方log日志中找出cardtype=9, cardno=0时的cardid的值,并将其统计存储到一个文本文件中,要求cardid不能够重复。

需求解析:

首先获取所有的log日志的全路径,根据路径分别加载到将各个log日志加载到内存中进行提取分析,并将结果存储到给定的文本文件中。

解决方案:

为了尽可能的简洁通用,这里使用配置文件作为输入变量的依据。不多说,上代码:

配置文件如下:

2015430173625617.png (452×84)

103文件夹下有两个文件:log1.txt和log2.txt, 内容类似如下:

2015430173809357.png (169×239)2015430173724409.png (175×242)

python代码实现如下:

# -*- coding: utf-8 -*-
#!/usr/bin/python
# filename: picktools.py
# codedtime:2015-3-25
import os
import configparser
# 遍历一个目录,输出所有文件名
def itemsbrowse(path):
for home, dirs, files in os.walk(path):
for filename in files:
yield os.path.join(home, filename)
# 给的文件中查找对应的字符串所在行
def findchars(filename, chars):
file = open(filename, ‘r’)
for eachline in file:
if eachline.find(chars) >= 0:
yield eachline
file.close()
# 添加到指定的文件
def addtofile(filename, mygenerator):
file = open(filename, ‘a’) # 追加方式打开
for line in mygenerator:
file.write(line)
file.close()
# 过滤重复的字符行
def filter(filename):
mylist = []
file = open(filename, ‘r’)
for eachline in file:
mylist.append(eachline.strip())
file.close()
file2 = open(os.path.splitext(filename)[0] + ‘_filter.txt’, ‘w’)
for line in list(set(mylist)):
print(line, file = file2)
#file2.write(line)
file2.close()
def excute():
iniconf = configparser.configparser()
iniconf.read(‘config.ini’)
ifile = iniconf.get(‘setting’, ‘ifilepath’)
ofile = iniconf.get(‘setting’, ‘ofilepath’)
chars = iniconf.get(‘setting’, ‘searchstr’)
for fullname in itemsbrowse(ifile):
mygenerator = findchars(fullname, chars)
addtofile(ofile, mygenerator)
filter(ofile)
if __name__ == ‘__main__’:
excute()

输出结果:输出两个文件result.txt 和result_filter.txt

2015430173844654.png (180×280)2015430173909943.png (181×279)

心得体会:

1、利用python去处理一些日常的小任务,可以很方便的完成,相比较c/c++来说,这方面生产力高了不少。

2、本文设计对中文字符的处理,所以使用正则表达式不太怎么方便,但不少不可以,后续版本中会添加对正则的支持!

3、由于初学中,所以代码写的不够精炼简洁,后续进行再优化!