मैं उन फ़ाइलों को पार्स करने का एक कुशल तरीका खोजने की कोशिश कर रहा हूं जो निश्चित चौड़ाई की रेखाएं रखते हैं। उदाहरण के लिए, पहले 20 वर्ण स्तंभ का प्रतिनिधित्व करते हैं, 21:30 से एक और एक।
यह मानते हुए कि लाइन में 100 वर्ण हैं, एक लाइन को कई घटकों में पार्स करने का एक कुशल तरीका क्या होगा?
मैं प्रति पंक्ति स्ट्रिंग स्लाइसिंग का उपयोग कर सकता था, लेकिन यदि लाइन बड़ी है तो यह थोड़ा बदसूरत है। क्या कोई अन्य तेज़ तरीके हैं?
जवाबों:
पायथन मानक लाइब्रेरी के structमॉड्यूल का उपयोग करना काफी आसान होगा और साथ ही सी में लिखे जाने के बाद से यह बहुत तेज़ होगा।
यहां बताया गया है कि इसका उपयोग वह करने के लिए किया जा सकता है जो आप चाहते हैं। यह क्षेत्र में वर्णों की संख्या के लिए नकारात्मक मान निर्दिष्ट करके वर्णों के स्तंभों को छोड़ देता है।
import struct
fieldwidths = (2, -10, 24) # negative widths represent ignored padding fields
fmtstring = ' '.join('{}{}'.format(abs(fw), 'x' if fw < 0 else 's')
for fw in fieldwidths)
fieldstruct = struct.Struct(fmtstring)
parse = fieldstruct.unpack_from
print('fmtstring: {!r}, recsize: {} chars'.format(fmtstring, fieldstruct.size))
line = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789\n'
fields = parse(line)
print('fields: {}'.format(fields))
आउटपुट:
fmtstring: '2s 10x 24s', recsize: 36 chars
fields: ('AB', 'MNOPQRSTUVWXYZ0123456789')
निम्नलिखित संशोधन इसे पायथन 2 या 3 (और यूनिकोड इनपुट को संभालना) में काम करेगा:
import struct
import sys
fieldstruct = struct.Struct(fmtstring)
if sys.version_info[0] < 3:
parse = fieldstruct.unpack_from
else:
# converts unicode input to byte string and results back to unicode string
unpack = fieldstruct.unpack_from
parse = lambda line: tuple(s.decode() for s in unpack(line.encode()))
यहाँ स्ट्रिंग स्लाइस के साथ करने का एक तरीका है, जैसा कि आप विचार कर रहे थे लेकिन चिंतित थे कि यह बहुत बदसूरत हो सकता है। इसके बारे में अच्छी बात यह है कि यह सब बदसूरत नहीं होने के अलावा, यह है कि यह पायथन 2 और 3 दोनों में अपरिवर्तित काम करता है, साथ ही साथ यूनिकोड स्ट्रिंग्स को संभालने में सक्षम है। स्पीड-वार यह, निश्चित रूप से, structमॉड्यूल आधारित संस्करणों की तुलना में धीमा है , लेकिन पैडिंग फ़ील्ड की क्षमता को हटाकर थोड़ा-थोड़ा स्पेड-अप किया जा सकता है।
try:
from itertools import izip_longest # added in Py 2.6
except ImportError:
from itertools import zip_longest as izip_longest # name change in Py 3.x
try:
from itertools import accumulate # added in Py 3.2
except ImportError:
def accumulate(iterable):
'Return running totals (simplified version).'
total = next(iterable)
yield total
for value in iterable:
total += value
yield total
def make_parser(fieldwidths):
cuts = tuple(cut for cut in accumulate(abs(fw) for fw in fieldwidths))
pads = tuple(fw < 0 for fw in fieldwidths) # bool values for padding fields
flds = tuple(izip_longest(pads, (0,)+cuts, cuts))[:-1] # ignore final one
parse = lambda line: tuple(line[i:j] for pad, i, j in flds if not pad)
# optional informational function attributes
parse.size = sum(abs(fw) for fw in fieldwidths)
parse.fmtstring = ' '.join('{}{}'.format(abs(fw), 'x' if fw < 0 else 's')
for fw in fieldwidths)
return parse
line = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789\n'
fieldwidths = (2, -10, 24) # negative widths represent ignored padding fields
parse = make_parser(fieldwidths)
fields = parse(line)
print('format: {!r}, rec size: {} chars'.format(parse.fmtstring, parse.size))
print('fields: {}'.format(fields))
आउटपुट:
format: '2s 10x 24s', rec size: 36 chars
fields: ('AB', 'MNOPQRSTUVWXYZ0123456789')
struct.unpackबाइनरी डेटा पर काम करने लगता है। मैं यह काम नहीं कर सकता।
मुझे यकीन नहीं है कि यह कुशल है, लेकिन यह पठनीय होना चाहिए (जैसा कि मैन्युअल रूप से स्लाइसिंग करने के लिए विरोध किया गया है)। मैंने एक फ़ंक्शन को परिभाषित किया है slicesजो एक स्ट्रिंग और कॉलम की लंबाई प्राप्त करता है, और सबस्ट्रिंग को वापस करता है। मैंने इसे एक जनरेटर बनाया, इसलिए वास्तव में लंबी लाइनों के लिए, यह सबस्ट्रिंग की एक अस्थायी सूची नहीं बनाता है।
def slices(s, *args):
position = 0
for length in args:
yield s[position:position + length]
position += length
उदाहरण
In [32]: list(slices('abcdefghijklmnopqrstuvwxyz0123456789', 2))
Out[32]: ['ab']
In [33]: list(slices('abcdefghijklmnopqrstuvwxyz0123456789', 2, 10, 50))
Out[33]: ['ab', 'cdefghijkl', 'mnopqrstuvwxyz0123456789']
In [51]: d,c,h = slices('dogcathouse', 3, 3, 5)
In [52]: d,c,h
Out[52]: ('dog', 'cat', 'house')
लेकिन मुझे लगता है कि एक जनरेटर का लाभ खो जाता है यदि आपको एक बार में सभी कॉलम की आवश्यकता होती है। जब आप एक से लाभ उठा सकते हैं, जब आप एक-एक करके स्तंभों को संसाधित करना चाहते हैं, तो एक लूप में कहें।
struct, लेकिन यह पठनीय और संभालना आसान है। मैंने आपके slices function, structमॉड्यूल और मॉड्यूल का उपयोग करके कुछ परीक्षण किए हैं reऔर यह बड़ी फ़ाइलों के लिए निकलता structहै, सबसे तेज़ है, reदूसरा (1.5x धीमा) और slicesतीसरा (2x धीमी) आता है। हालांकि एक छोटी सी ओवरहेड का उपयोग करना है structताकि आपकी slices functionछोटी फ़ाइलों पर तेजी से हो सके।
दो और विकल्प जो पहले से वर्णित समाधानों की तुलना में आसान और सुंदर हैं:
पहला पांडा इस्तेमाल कर रहा है:
import pandas as pd
path = 'filename.txt'
# Using Pandas with a column specification
col_specification = [(0, 20), (21, 30), (31, 50), (51, 100)]
data = pd.read_fwf(path, colspecs=col_specification)
और numpy.loadtxt का उपयोग करके दूसरा विकल्प:
import numpy as np
# Using NumPy and letting it figure it out automagically
data_also = np.loadtxt(path)
यह वास्तव में इस बात पर निर्भर करता है कि आप किस तरह से अपने डेटा का उपयोग करना चाहते हैं।
colspecs='infer' pandas.pydata.org/pandas-docs/stable/generated/…
नीचे दिया गया कोड आपको कुछ गंभीर फिक्स्ड-कॉलम-चौड़ाई फ़ाइल हैंडलिंग करने के लिए क्या करना चाहता है, इसका एक स्केच देता है।
"गंभीर" = कई फ़ाइल प्रकारों में से प्रत्येक में कई रिकॉर्ड प्रकार, 1000 बाइट्स तक रिकॉर्ड, लेआउट-फ़ेसर और "विरोध" निर्माता / उपभोक्ता एक सरकारी विभाग है, जिसमें रवैया है, लेआउट में अप्रयुक्त स्तंभों में परिवर्तन होता है, एक लाख रिकॉर्ड तक एक फ़ाइल में, ...
विशेषताएं: संरचना स्वरूपों को रोकता है। अनचाहे कॉलम को नजरअंदाज करता है। इनपुट स्ट्रिंग को आवश्यक डेटा प्रकारों में परिवर्तित करता है (स्केच त्रुटि से निपटने में चूक जाता है)। ऑब्जेक्ट इंस्टेंस (या यदि आप चाहें तो ट्यूपल्स नाम दिया गया है) को रिकॉर्ड करता है।
कोड:
import struct, datetime, io, pprint
# functions for converting input fields to usable data
cnv_text = rstrip
cnv_int = int
cnv_date_dmy = lambda s: datetime.datetime.strptime(s, "%d%m%Y") # ddmmyyyy
# etc
# field specs (field name, start pos (1-relative), len, converter func)
fieldspecs = [
('surname', 11, 20, cnv_text),
('given_names', 31, 20, cnv_text),
('birth_date', 51, 8, cnv_date_dmy),
('start_date', 71, 8, cnv_date_dmy),
]
fieldspecs.sort(key=lambda x: x[1]) # just in case
# build the format for struct.unpack
unpack_len = 0
unpack_fmt = ""
for fieldspec in fieldspecs:
start = fieldspec[1] - 1
end = start + fieldspec[2]
if start > unpack_len:
unpack_fmt += str(start - unpack_len) + "x"
unpack_fmt += str(end - start) + "s"
unpack_len = end
field_indices = range(len(fieldspecs))
print unpack_len, unpack_fmt
unpacker = struct.Struct(unpack_fmt).unpack_from
class Record(object):
pass
# or use named tuples
raw_data = """\
....v....1....v....2....v....3....v....4....v....5....v....6....v....7....v....8
Featherstonehaugh Algernon Marmaduke 31121969 01012005XX
"""
f = cStringIO.StringIO(raw_data)
headings = f.next()
for line in f:
# The guts of this loop would of course be hidden away in a function/method
# and could be made less ugly
raw_fields = unpacker(line)
r = Record()
for x in field_indices:
setattr(r, fieldspecs[x][0], fieldspecs[x][3](raw_fields[x]))
pprint.pprint(r.__dict__)
print "Customer name:", r.given_names, r.surname
आउटपुट:
78 10x20s20s8s12x8s
{'birth_date': datetime.datetime(1969, 12, 31, 0, 0),
'given_names': 'Algernon Marmaduke',
'start_date': datetime.datetime(2005, 1, 1, 0, 0),
'surname': 'Featherstonehaugh'}
Customer name: Algernon Marmaduke Featherstonehaugh
struct.error: unpack_from requires a buffer of at least 1157 bytes
जॉन मैकिन के उत्तर के आधार पर पायथन 3 के लिए एक सरल मॉड्यूल यहां दिया गया है - आवश्यकतानुसार अनुकूलित करें :)
"""
fixedwidth
Parse and iterate through a fixedwidth text file, returning record objects.
Adapted from https://stackoverflow.com/a/4916375/243392
USAGE
import fixedwidth, pprint
# define the fixed width fields we want
# fieldspecs is a list of [name, description, start, width, type] arrays.
fieldspecs = [
["FILEID", "File Identification", 1, 6, "A/N"],
["STUSAB", "State/U.S. Abbreviation (USPS)", 7, 2, "A"],
["SUMLEV", "Summary Level", 9, 3, "A/N"],
["LOGRECNO", "Logical Record Number", 19, 7, "N"],
["POP100", "Population Count (100%)", 30, 9, "N"],
]
# define the fieldtype conversion functions
fieldtype_fns = {
'A': str.rstrip,
'A/N': str.rstrip,
'N': int,
}
# iterate over record objects in the file
with open(f, 'rb'):
for record in fixedwidth.reader(f, fieldspecs, fieldtype_fns):
pprint.pprint(record.__dict__)
# output:
{'FILEID': 'SF1ST', 'LOGRECNO': 2, 'POP100': 1, 'STUSAB': 'TX', 'SUMLEV': '040'}
{'FILEID': 'SF1ST', 'LOGRECNO': 3, 'POP100': 2, 'STUSAB': 'TX', 'SUMLEV': '040'}
...
"""
import struct, io
# fieldspec columns
iName, iDescription, iStart, iWidth, iType = range(5)
def get_struct_unpacker(fieldspecs):
"""
Build the format string for struct.unpack to use, based on the fieldspecs.
fieldspecs is a list of [name, description, start, width, type] arrays.
Returns a string like "6s2s3s7x7s4x9s".
"""
unpack_len = 0
unpack_fmt = ""
for fieldspec in fieldspecs:
start = fieldspec[iStart] - 1
end = start + fieldspec[iWidth]
if start > unpack_len:
unpack_fmt += str(start - unpack_len) + "x"
unpack_fmt += str(end - start) + "s"
unpack_len = end
struct_unpacker = struct.Struct(unpack_fmt).unpack_from
return struct_unpacker
class Record(object):
pass
# or use named tuples
def reader(f, fieldspecs, fieldtype_fns):
"""
Wrap a fixedwidth file and return records according to the given fieldspecs.
fieldspecs is a list of [name, description, start, width, type] arrays.
fieldtype_fns is a dictionary of functions used to transform the raw string values,
one for each type.
"""
# make sure fieldspecs are sorted properly
fieldspecs.sort(key=lambda fieldspec: fieldspec[iStart])
struct_unpacker = get_struct_unpacker(fieldspecs)
field_indices = range(len(fieldspecs))
for line in f:
raw_fields = struct_unpacker(line) # split line into field values
record = Record()
for i in field_indices:
fieldspec = fieldspecs[i]
fieldname = fieldspec[iName]
s = raw_fields[i].decode() # convert raw bytes to a string
fn = fieldtype_fns[fieldspec[iType]] # get conversion function
value = fn(s) # convert string to value (eg to an int)
setattr(record, fieldname, value)
yield record
if __name__=='__main__':
# test module
import pprint, io
# define the fields we want
# fieldspecs are [name, description, start, width, type]
fieldspecs = [
["FILEID", "File Identification", 1, 6, "A/N"],
["STUSAB", "State/U.S. Abbreviation (USPS)", 7, 2, "A"],
["SUMLEV", "Summary Level", 9, 3, "A/N"],
["LOGRECNO", "Logical Record Number", 19, 7, "N"],
["POP100", "Population Count (100%)", 30, 9, "N"],
]
# define a conversion function for integers
def to_int(s):
"""
Convert a numeric string to an integer.
Allows a leading ! as an indicator of missing or uncertain data.
Returns None if no data.
"""
try:
return int(s)
except:
try:
return int(s[1:]) # ignore a leading !
except:
return None # assume has a leading ! and no value
# define the conversion fns
fieldtype_fns = {
'A': str.rstrip,
'A/N': str.rstrip,
'N': to_int,
# 'N': int,
# 'D': lambda s: datetime.datetime.strptime(s, "%d%m%Y"), # ddmmyyyy
# etc
}
# define a fixedwidth sample
sample = """\
SF1ST TX04089000 00000023748 1
SF1ST TX04090000 00000033748! 2
SF1ST TX04091000 00000043748!
"""
sample_data = sample.encode() # convert string to bytes
file_like = io.BytesIO(sample_data) # create a file-like wrapper around bytes
# iterate over record objects in the file
for record in reader(file_like, fieldspecs, fieldtype_fns):
# print(record)
pprint.pprint(record.__dict__)
इस तरह से मैंने एक ऐसे शब्दकोष के साथ हल किया, जिसमें ऐसे क्षेत्र शामिल हैं, जहां क्षेत्र शुरू होते हैं और समाप्त होते हैं। स्टार्ट और एंड पॉइंट देने से मुझे कॉलम की लंबाई में भी बदलाव के प्रबंधन में मदद मिली।
# fixed length
# '---------- ------- ----------- -----------'
line = '20.06.2019 myname active mydevice '
SLICES = {'date_start': 0,
'date_end': 10,
'name_start': 11,
'name_end': 18,
'status_start': 19,
'status_end': 30,
'device_start': 31,
'device_end': 42}
def get_values_as_dict(line, SLICES):
values = {}
key_list = {key.split("_")[0] for key in SLICES.keys()}
for key in key_list:
values[key] = line[SLICES[key+"_start"]:SLICES[key+"_end"]].strip()
return values
>>> print (get_values_as_dict(line,SLICES))
{'status': 'active', 'name': 'myname', 'date': '20.06.2019', 'device': 'mydevice'}
यहाँ वो है जो NumPy हुड के तहत उपयोग करता है (बहुत सरलीकृत, लेकिन फिर भी - यह कोड ) के LineSplitter classभीतर पाया जाता है _iotools module:
import numpy as np
DELIMITER = (20, 10, 10, 20, 10, 10, 20)
idx = np.cumsum([0] + list(DELIMITER))
slices = [slice(i, j) for (i, j) in zip(idx[:-1], idx[1:])]
def parse(line):
return [line[s] for s in slices]
स्तंभ की अनदेखी के लिए यह नकारात्मक सीमांकक को संभालता नहीं है इसलिए यह उतना बहुमुखी नहीं है struct, लेकिन यह तेज है।
स्ट्रिंग स्लाइस को तब तक बदसूरत नहीं होना चाहिए जब तक आप इसे व्यवस्थित रखते हैं। अपने क्षेत्र की चौड़ाई को एक शब्दकोष में रखने पर विचार करें और फिर एक वस्तु बनाने के लिए संबंधित नामों का उपयोग करें:
from collections import OrderedDict
class Entry:
def __init__(self, line):
name2width = OrderedDict()
name2width['foo'] = 2
name2width['bar'] = 3
name2width['baz'] = 2
pos = 0
for name, width in name2width.items():
val = line[pos : pos + width]
if len(val) != width:
raise ValueError("not enough characters: \'{}\'".format(line))
setattr(self, name, val)
pos += width
file = "ab789yz\ncd987wx\nef555uv"
entry = []
for line in file.split('\n'):
entry.append(Entry(line))
print(entry[1].bar) # output: 987
चूँकि मेरा पुराना काम अक्सर 1 मिलियन लाइनों के फ़िक्स्फ़ॉर्म डेटा को संभालता है, मैंने इस मुद्दे पर शोध किया जब मैंने पायथन का उपयोग करना शुरू किया।
फिक्स्डविद 2 प्रकार के होते हैं
यदि संसाधन स्ट्रिंग सभी एससीआई वर्णों से बना है, तो ASCII फिक्स्डविद = यूनिकोड फिक्स्डविद
सौभाग्य से, स्ट्रिंग और बाइट py3 में अलग-अलग होते हैं, जो डबल-बाइट एन्कोडेड वर्णों (अंडाबक, बिग 5, ईक-जेपी, शिफ्ट-जीस, आदि) के साथ काम करते समय बहुत भ्रम को कम करता है।
"ASCII फिक्स्डविथ" के प्रसंस्करण के लिए, स्ट्रिंग को आमतौर पर बाइट्स में परिवर्तित किया जाता है और फिर विभाजित किया जाता है।
तृतीय-पक्ष मॉड्यूल को आयात किए बिना
TotalLineCount = 1 मिलियन, LineLength = 800 बाइट, FixedWidthArgs = (10,25,4, ....), मैंने रेखा को लगभग 5 तरीकों से विभाजित किया और निम्नलिखित निष्कर्ष प्राप्त किया:
slice(bytes) से तेज है slice(string)बड़ी फ़ाइलों के साथ काम करते समय, हम अक्सर उपयोग करते हैं with open ( file, "rb") as f:।
विधि उपरोक्त फ़ाइलों में से एक का पता लगाती है, लगभग 2.4 सेकंड।
मुझे लगता है कि उपयुक्त हैंडलर, जो डेटा की 1 मिलियन पंक्तियों को संसाधित करता है, प्रत्येक पंक्ति को 20 क्षेत्रों में विभाजित करता है और 2.4 सेकंड से कम समय लेता है।
मैं केवल उसे ढूंढता हूं stuctऔर itemgetterआवश्यकताओं को पूरा करता हूं
ps: सामान्य प्रदर्शन के लिए, मैंने यूनिकोड को बाइट्स में परिवर्तित किया। यदि आप एक डबल-बाइट वातावरण में हैं, तो आपको ऐसा करने की आवश्यकता नहीं है।
from itertools import accumulate
from operator import itemgetter
def oprt_parser(sArgs):
sum_arg = tuple(accumulate(abs(i) for i in sArgs))
# Negative parameter field index
cuts = tuple(i for i,num in enumerate(sArgs) if num < 0)
# Get slice args and Ignore fields of negative length
ig_Args = tuple(item for i, item in enumerate(zip((0,)+sum_arg,sum_arg)) if i not in cuts)
# Generate `operator.itemgetter` object
oprtObj =itemgetter(*[slice(s,e) for s,e in ig_Args])
return oprtObj
lineb = b'abcdefghijklmnopqrstuvwxyz\xb0\xa1\xb2\xbb\xb4\xd3\xb5\xc4\xb6\xee\xb7\xa2\xb8\xf6\xba\xcd0123456789'
line = lineb.decode("GBK")
# Unicode Fixed Width
fieldwidthsU = (13, -13, 4, -4, 5,-5) # Negative width fields is ignored
# ASCII Fixed Width
fieldwidths = (13, -13, 8, -8, 5,-5) # Negative width fields is ignored
# Unicode FixedWidth processing
parse = oprt_parser(fieldwidthsU)
fields = parse(line)
print('Unicode FixedWidth','fields: {}'.format(tuple(map(lambda s: s.encode("GBK"), fields))))
# ASCII FixedWidth processing
parse = oprt_parser(fieldwidths)
fields = parse(lineb)
print('ASCII FixedWidth','fields: {}'.format(fields))
line = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789\n'
fieldwidths = (2, -10, 24)
parse = oprt_parser(fieldwidths)
fields = parse(line)
print(f"fields: {fields}")
आउटपुट:
Unicode FixedWidth fields: (b'abcdefghijklm', b'\xb0\xa1\xb2\xbb\xb4\xd3\xb5\xc4', b'01234')
ASCII FixedWidth fields: (b'abcdefghijklm', b'\xb0\xa1\xb2\xbb\xb4\xd3\xb5\xc4', b'01234')
fields: ('AB', 'MNOPQRSTUVWXYZ0123456789')
oprt_parser4x है make_parser(सूची समझ + स्लाइस)
शोध के दौरान, यह पाया गया कि जब सीपीयू की गति तेज होती है, तो ऐसा लगता है कि reविधि की दक्षता तेजी से बढ़ती है।
चूँकि मेरे पास परीक्षण करने के लिए अधिक और बेहतर कंप्यूटर नहीं हैं, मैं अपना परीक्षण कोड प्रदान करता हूं, अगर किसी को भी रुचि है, तो आप इसे तेज कंप्यूटर के साथ परीक्षण कर सकते हैं।
पर्यावरण चलाएं:
import timeit
import time
import re
from itertools import accumulate
from operator import itemgetter
def eff2(stmt,onlyNum= False,showResult=False):
'''test function'''
if onlyNum:
rl = timeit.repeat(stmt=stmt,repeat=roundI,number=timesI,globals=globals())
avg = sum(rl) / len(rl)
return f"{avg * (10 ** 6)/timesI:0.4f}"
else:
rl = timeit.repeat(stmt=stmt,repeat=10,number=1000,globals=globals())
avg = sum(rl) / len(rl)
print(f"【{stmt}】")
print(f"\tquick avg = {avg * (10 ** 6)/1000:0.4f} s/million")
if showResult:
print(f"\t Result = {eval(stmt)}\n\t timelist = {rl}\n")
else:
print("")
def upDouble(argList,argRate):
return [c*argRate for c in argList]
tbStr = "000000001111000002222真2233333333000000004444444QAZ55555555000000006666666ABC这些事中文字abcdefghijk"
tbBytes = tbStr.encode("GBK")
a20 = (4,4,2,2,2,3,2,2, 2 ,2,8,8,7,3,8,8,7,3, 12 ,11)
a20U = (4,4,2,2,2,3,2,2, 1 ,2,8,8,7,3,8,8,7,3, 6 ,11)
Slng = 800
rateS = Slng // 100
tStr = "".join(upDouble(tbStr , rateS))
tBytes = tStr.encode("GBK")
spltArgs = upDouble( a20 , rateS)
spltArgsU = upDouble( a20U , rateS)
testList = []
timesI = 100000
roundI = 5
print(f"test round = {roundI} timesI = {timesI} sourceLng = {len(tStr)} argFieldCount = {len(spltArgs)}")
print(f"pure str \n{''.ljust(60,'-')}")
# ==========================================
def str_parser(sArgs):
def prsr(oStr):
r = []
r_ap = r.append
stt=0
for lng in sArgs:
end = stt + lng
r_ap(oStr[stt:end])
stt = end
return tuple(r)
return prsr
Str_P = str_parser(spltArgsU)
# eff2("Str_P(tStr)")
testList.append("Str_P(tStr)")
print(f"pure bytes \n{''.ljust(60,'-')}")
# ==========================================
def byte_parser(sArgs):
def prsr(oBytes):
r, stt = [], 0
r_ap = r.append
for lng in sArgs:
end = stt + lng
r_ap(oBytes[stt:end])
stt = end
return r
return prsr
Byte_P = byte_parser(spltArgs)
# eff2("Byte_P(tBytes)")
testList.append("Byte_P(tBytes)")
# re,bytes
print(f"re compile object \n{''.ljust(60,'-')}")
# ==========================================
def rebc_parser(sArgs,otype="b"):
re_Args = "".join([f"(.{{{n}}})" for n in sArgs])
if otype == "b":
rebc_Args = re.compile(re_Args.encode("GBK"))
else:
rebc_Args = re.compile(re_Args)
def prsr(oBS):
return rebc_Args.match(oBS).groups()
return prsr
Rebc_P = rebc_parser(spltArgs)
# eff2("Rebc_P(tBytes)")
testList.append("Rebc_P(tBytes)")
Rebc_Ps = rebc_parser(spltArgsU,"s")
# eff2("Rebc_Ps(tStr)")
testList.append("Rebc_Ps(tStr)")
print(f"struct \n{''.ljust(60,'-')}")
# ==========================================
import struct
def struct_parser(sArgs):
struct_Args = " ".join(map(lambda x: str(x) + "s", sArgs))
def prsr(oBytes):
return struct.unpack(struct_Args, oBytes)
return prsr
Struct_P = struct_parser(spltArgs)
# eff2("Struct_P(tBytes)")
testList.append("Struct_P(tBytes)")
print(f"List Comprehensions + slice \n{''.ljust(60,'-')}")
# ==========================================
import itertools
def slice_parser(sArgs):
tl = tuple(itertools.accumulate(sArgs))
slice_Args = tuple(zip((0,)+tl,tl))
def prsr(oBytes):
return [oBytes[s:e] for s, e in slice_Args]
return prsr
Slice_P = slice_parser(spltArgs)
# eff2("Slice_P(tBytes)")
testList.append("Slice_P(tBytes)")
def sliceObj_parser(sArgs):
tl = tuple(itertools.accumulate(sArgs))
tl2 = tuple(zip((0,)+tl,tl))
sliceObj_Args = tuple(slice(s,e) for s,e in tl2)
def prsr(oBytes):
return [oBytes[so] for so in sliceObj_Args]
return prsr
SliceObj_P = sliceObj_parser(spltArgs)
# eff2("SliceObj_P(tBytes)")
testList.append("SliceObj_P(tBytes)")
SliceObj_Ps = sliceObj_parser(spltArgsU)
# eff2("SliceObj_Ps(tStr)")
testList.append("SliceObj_Ps(tStr)")
print(f"operator.itemgetter + slice object \n{''.ljust(60,'-')}")
# ==========================================
def oprt_parser(sArgs):
sum_arg = tuple(accumulate(abs(i) for i in sArgs))
cuts = tuple(i for i,num in enumerate(sArgs) if num < 0)
ig_Args = tuple(item for i,item in enumerate(zip((0,)+sum_arg,sum_arg)) if i not in cuts)
oprtObj =itemgetter(*[slice(s,e) for s,e in ig_Args])
return oprtObj
Oprt_P = oprt_parser(spltArgs)
# eff2("Oprt_P(tBytes)")
testList.append("Oprt_P(tBytes)")
Oprt_Ps = oprt_parser(spltArgsU)
# eff2("Oprt_Ps(tStr)")
testList.append("Oprt_Ps(tStr)")
print("|".join([s.split("(")[0].center(11," ") for s in testList]))
print("|".join(["".center(11,"-") for s in testList]))
print("|".join([eff2(s,True).rjust(11," ") for s in testList]))
आउटपुट:
Test round = 5 timesI = 100000 sourceLng = 744 argFieldCount = 20
...
...
Str_P | Byte_P | Rebc_P | Rebc_Ps | Struct_P | Slice_P | SliceObj_P|SliceObj_Ps| Oprt_P | Oprt_Ps
-----------|-----------|-----------|-----------|-- ---------|-----------|-----------|-----------|---- -------|-----------
9.6315| 7.5952| 4.4187| 5.6867| 1.5123| 5.2915| 4.2673| 5.7121| 2.4713| 3.9051