web-dev-qa-db-ja.com

ストリームからCSVファイルを読み取り、書き込まれたとおりに各行を処理する方法は？

標準入力からCSVファイルを読み取り、各行を処理します。 CSV出力コードは行を1つずつ書き込みますが、リーダーは行を繰り返す前にストリームが終了するのを待ちます。これはcsvモジュールの制限ですか？私は何か間違ったことをしていますか？

私のリーダーコード：

import csv
import sys
import time


reader = csv.reader(sys.stdin)
for row in reader:
    print "Read: (%s) %r" % (time.time(), row)

私のライターコード：

import csv
import sys
import time


writer = csv.writer(sys.stdout)
for i in range(8):
    writer.writerow(["R%d" % i, "$" * (i+1)])
    sys.stdout.flush()
    time.sleep(0.5)

python test_writer.py | python test_reader.pyの出力：

Read: (1309597426.3) ['R0', '$']
Read: (1309597426.3) ['R1', '$$']
Read: (1309597426.3) ['R2', '$$$']
Read: (1309597426.3) ['R3', '$$$$']
Read: (1309597426.3) ['R4', '$$$$$']
Read: (1309597426.3) ['R5', '$$$$$$']
Read: (1309597426.3) ['R6', '$$$$$$$']
Read: (1309597426.3) ['R7', '$$$$$$$$']

ご覧のとおり、すべての印刷ステートメントが同時に実行されていますが、500ミリ秒のギャップがあると思います。

pythoncsvstreamline-by-line
34
muhuk

それは ドキュメントで言う 、

forループをファイルの行をループする最も効率的な方法（非常に一般的な操作）にするために、next()メソッドは非表示の先読みバッファーを使用します。

そして、 csvモジュールの実装 （行784）を見ると、_csv.reader_が下にあるイテレータのnext()メソッドを呼び出していることがわかります（ _PyIter_Next_を介して）。

したがって、CSVファイルのバッファーなしの読み取りが本当に必要な場合は、ファイルオブジェクト（ここでは_sys.stdin_）を、代わりにnext()メソッドが実際にreadline()を呼び出すイテレータに変換する必要があります。これは iter 関数の2つの引数の形式を使用して簡単に行うことができます。したがって、_test_reader.py_のコードを次のように変更します。

_for row in csv.reader(iter(sys.stdin.readline, '')):
    print("Read: ({}) {!r}".format(time.time(), row))
_

例えば、

_$ python test_writer.py | python test_reader.py
Read: (1388776652.964925) ['R0', '$']
Read: (1388776653.466134) ['R1', '$$']
Read: (1388776653.967327) ['R2', '$$$']
Read: (1388776654.468532) ['R3', '$$$$']
[etc]
_

CSVファイルのバッファーなしの読み取りが必要な理由を説明できますか？あなたがやろうとしていることが何であれ、より良い解決策があるかもしれません。

39
Gareth Rees

多分それは制限です。これを読んでください http://docs.python.org/using/cmdline.html#cmdoption-unittest-discover-

このオプションの影響を受けないfile.readlines（）とファイルオブジェクト（sys.stdinの行）には内部バッファリングがあることに注意してください。これを回避するには、while 1：ループ内でfile.readline（）を使用します。

Test_reader.pyを次のように変更しました。

import csv, sys, time

while True:
    print "Read: (%s) %r" % (time.time(), sys.stdin.readline())

出力

python test_writer.py | python  test_reader.py
Read: (1309600865.84) 'R0,$\r\n'
Read: (1309600865.84) 'R1,$$\r\n'
Read: (1309600866.34) 'R2,$$$\r\n'
Read: (1309600866.84) 'R3,$$$$\r\n'
Read: (1309600867.34) 'R4,$$$$$\r\n'
Read: (1309600867.84) 'R5,$$$$$$\r\n'
Read: (1309600868.34) 'R6,$$$$$$$\r\n'
Read: (1309600868.84) 'R7,$$$$$$$$\r\n'
1
user

Stdoutをフラッシュしていますが、stdinはフラッシュしていません。

_Sys.stdin_にはflush()メソッドもあります。本当にバッファリングを無効にしたい場合は、各行を読み取った後にそれを使用してみてください。

0
RoundTower