Created
June 26, 2018 13:32
-
-
Save Fhernd/f8fa50aacc28925a49145a8039f9f863 to your computer and use it in GitHub Desktop.
Procesamiento de archivos por medio de tuberías. Python.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
import os | |
import fnmatch | |
import gzip | |
import bz2 | |
import re | |
def generador_encontrar(ruta, inicio): | |
''' | |
Encuentra los archivos en un directorio, y que cumplan con un patrón. | |
:param ruta: Ruta del directorio | |
:param inicio: Ruta de inicio | |
:return: Ruta absoluta del archivo | |
''' | |
for p, lista_directorios, lista_archivos in os.walk(inicio): | |
for nombre in fnmatch.filter(lista_archivos, ruta): | |
yield os.path.join(p, nombre) | |
def generador_apertura(nombre_archivos): | |
''' | |
Abre un conjunto de archivos. Los objetos de archivos se producen | |
a medida que se piden. | |
:param nombre_archivos: Nombre de los archivos | |
:return: Objeto archivo | |
''' | |
for nombre_archivo in nombre_archivos: | |
if nombre_archivo.endswith('.gz'): | |
f = gzip.open(nombre_archivo, 'rt') | |
elif nombre_archivo.endswith('.bz2'): | |
f = bz2.open(nombre_archivo, 'rt') | |
else: | |
f = open(nombre_archivo, 'rt') | |
yield f | |
f.close() | |
def generador_concatenacion(iteradores): | |
''' | |
Concatena una secuencia de iteradores en una única secuencia. | |
:param iteradores: Conjunto de iteradores. | |
:return: Cadena de iteradores | |
''' | |
for it in iteradores: | |
yield from it | |
def generador_expresion_regular(patron, lineas): | |
''' | |
Búsqueda a través de un patrón sobre una secuencia de líneas. | |
:param patron: Patrón de búsqueda | |
:param lineas: Líneas de contenido | |
:return: Línea que cumple con el patrón dado. | |
''' | |
expresion = re.compile(patron) | |
for linea in lineas: | |
if expresion.search(linea): | |
yield linea | |
loggings = generador_encontrar('access-log*', 'www') | |
archivos = generador_apertura(loggings) | |
lineas = generador_concatenacion(archivos) | |
lineas_python = generador_expresion_regular('(?i)python', lineas) | |
bytes_columnas = (linea.rsplit(None, 1)[1] for linea in lineas_python) | |
bytes = (int(x) for x in bytes_columnas if x != '-') | |
print('Total:', sum(bytes)) |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment