关于这道题,简单说一下我的想法吧。当然,也有很好用的 pyinotify 模块专门监听文件变化,不过我更想介绍的,是解决的思路。
毕竟作为面试官,还是想看到一下解决问题的思路,而且我觉得这一题的难点不在于监控文件增量,而在于怎么打印最后面10行。
希望大家在读这篇文章前,对 Python 基础、处理文件和常用模块有一个简单的了解,知道下面几个名词是什么:
下面的思路仅限于我个人知识和见解,免不了有错误和考虑不周的地方。希望大家有更好的方法能够提出来,我会随时优化代码。
怎么用 Python 实现
其实思路也不算难啦
1.打开这个文件,指针移到最后
2.每隔一秒就尝试readline一下,有内容就打印出来,没内容就sleep
监听文件
思路如下:
1.用open打开文件
2.用seek文件指针,给大爷把跳到文件最后面
3.while True进行循环
持续不停的readline,如果能读到内容,打印出来即可
代码呼之欲出
with open('test.txt') as f: f.seek(0,2) while True: last_pos = f.tell() line = f.readline() if line: print line
代码说明:
1. seek第二个参数2,意思就是从文件结尾处开始seek,更标准的写法使用os模块下面的SEEK_END,可读性更好
2.只写出了简单的逻辑,代码简单粗暴,如果这个题目是10分的话,最多也就拿4分吧,不能再多了
优化点:
1.print有缺陷,每次都是新的一行,换成sys.stdout.write(line)更和谐
2.文件名传参,不能写死
3.直接打印可以当成默认行为,具体要做什么,可以写成函数处理,这样我们就可以把新行做其他处理,比如展示在浏览器里
4.加上容错处理,比如文件不存在会报错
5.while True一直都文件,比较耗性能,每读一次,间隔一秒比较靠谱
调用time.sleep(1)
6.用类来组织代码
实例代码如下:
# coding=utf-8 import sys import time class Tail(): def __init__(self,file_name,callback=sys.stdout.write): self.file_name = file_name self.callback = callback def follow(self): try: with open(self.file_name) as f: f.seek(0,2) while True: line = f.readline() if line: self.callback(line) time.sleep(1) except Exception,e: print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题' print e
使用方法:
# 使用默认的sys.stdout.write打印到屏幕 py_tail = Tail('test.txt') py_tail.follow() # 自己定义处理函数 def test_tail(line): print 'xx'+line+'xx' py_tail1 = Tail('test.txt', test_tail) py_tail1.follow()
咦 ,等等!tail -f 默认还会打印最后10行,这个好像才是这个题目的难点所在。众所周知,Python 里读文件指针,只能移动到固定位置,不能判断是哪一行。那就先实现简单的,然后逐渐加强吧。
默认打印最后十行
现在这个代码,大概能拿6分啦,我们还有一个功能没做,那就是打印最后n行,默认是10行,现在把这个功能加上,加一个函数就行啦。
文件小的时候
我们知道,readlines可以获取所有内容,并且分行,代码呼之欲出,获取list最后10行很简单有么有,切片妥妥的。
# 演示代码,说明核心逻辑,完整代码在下面 last_lines = f.readlines()[-10:] for line in last_lines: self.callback(line)
此时代码就变成这样了:
import sys import time class Tail(): def __init__(self,file_name,callback=sys.stdout.write): self.file_name = file_name self.callback = callback def follow(self,n=10): try: with open(self.file_name) as f: self._file = f self.showLastLine(n) self._file.seek(0,2) while True: line = self._file.readline() if line: self.callback(line) except Exception,e: print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题' print e def showLastLine(self, n): last_lines = self._file.readlines()[-10:] for line in last_lines: self.callback(line)
更进一步:大的日志怎么办
但是如果文件特别大呢,特别是日志文件,很容易就是几个G。我们只需要最后几行,全部读出来内存受不了,所以我们要继续优化showLastLine 函数,我觉得这才是这题的难点所在。
大概的思路如下:
1.我先估计日志一行大概是100个字符,注意,我只是估计一个大概,多了也没关系,我们只是需要一个初始值,后面会修正
2.我要读十行,所以一开始就 see k到离结尾1000的位置seek(-1000,2),把最后1000个字符读出来,然后有一个判断
3.如果这1000个字符长度大于文件长度,不用管了 属于级别1的情况,直接read然后split
4.如果1000个字符里面的换行符大于10,说明1000个字符里,大于10行,那也好办,处理思路类似级别1,直接split取后面十个
5.问题就在于 如果小于10怎么处理
比如1000个里,只有四个换行符,说明一行大概是1000/4=250个字符,我们还缺6行,所以我们再读250*5=1500,一共有2500的大概比较靠谱,然后在对2500个字符进行相同的逻辑判断,直到读出的字符里,换行符大于10,读取结束
逻辑清晰以后,代码就呼之欲出啦
# coding=utf-8 import sys import time class Tail(): def __init__(self,file_name,callback=sys.stdout.write): self.file_name = file_name self.callback = callback def follow(self,n=10): try: with open(self.file_name) as f: self._file = f self._file.seek(0,2) self.file_length = self._file.tell() self.showLastLine(n) while True: line = self._file.readline() if line: self.callback(line) time.sleep(1) except Exception,e: print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题' print e def showLastLine(self, n): len_line = 100 read_len = len_line*n while True: if read_len>self.file_length: self._file.seek(0) last_lines = self._file.read().split('\n')[-n:] break self._file.seek(-read_len, 2) last_words = self._file.read(read_len) count = last_words.count('\n') if count>=n: last_lines = last_words.split('\n')[-n:] break else: if count==0: len_perline = read_len else: len_perline = read_len/count read_len = len_perline * n for line in last_lines: self.callback(line+'\n') if __name__ == '__main__': py_tail = Tail('test.txt') py_tail.follow()
加上注释的版本:
# coding=utf-8 import sys import time class Tail(): def __init__(self,file_name,callback=sys.stdout.write): self.file_name = file_name self.callback = callback def follow(self,n=10): try: # 打开文件 with open(self.file_name) as f: self._file = f self._file.seek(0,2) # 存储文件的字符长度 self.file_length = self._file.tell() # 打印最后10行 self.showLastLine(n) # 持续读文件 打印增量 while True: line = self._file.readline() if line: self.callback(line) time.sleep(1) except Exception,e: print '打开文件失败,囧,看看文件是不是不存在,或者权限有问题' print e def showLastLine(self, n): # 一行大概100个吧 这个数改成1或者1000都行 len_line = 100 # n默认是10,也可以follow的参数传进来 read_len = len_line*n # 用last_lines存储最后要处理的内容 while True: # 如果要读取的1000个字符,大于之前存储的文件长度 # 读完文件,直接break if read_len>self.file_length: self._file.seek(0) last_lines = self._file.read().split('\n')[-n:] break # 先读1000个 然后判断1000个字符里换行符的数量 self._file.seek(-read_len, 2) last_words = self._file.read(read_len) # count是换行符的数量 count = last_words.count('\n') if count>=n: # 换行符数量大于10 很好处理,直接读取 last_lines = last_words.split('\n')[-n:] break # 换行符不够10个 else: # break #不够十行 # 如果一个换行符也没有,那么我们就认为一行大概是100个 if count==0: len_perline = read_len # 如果有4个换行符,我们认为每行大概有250个字符 else: len_perline = read_len/count # 要读取的长度变为2500,继续重新判断 read_len = len_perline * n for line in last_lines: self.callback(line+'\n') if __name__ == '__main__': py_tail = Tail('test.txt') py_tail.follow(20)
效果如下,终于可以打印最后几行了,大家可以试一下,无论日志每行只有1个,还是每行有300个字符,都是可以打印最后10行的。
能做到这个地步,一般的面试官就直接被你搞定了,这个代码大概8分吧,如果还想再进一步,还有一些可以优化的地方,代码放 github 上了,有兴趣的可以拿去研究。
(Github 地址:https://github.com/shengxinjing/pytail/blob/master/tail.py)
待优化:留给大家作为扩展
1.如果你tail -f的过程中,日志被备份清空或者切割了,怎么处理
其实很简单,你维护一个指针位置,如果下次循环发现文件指针位置变了,从最新的指针位置开始读就行
2.具体每种错误的类型
我这里只是简单的try 可以写个函数,把文件不存在,文件没权限这些报错信息分开
3.性能小优化,比如我第一次读了1000,只有4行,我大概估计每行250个字符,总体需要2500行,下次没必要直接读2500个,而是读1500行和之前1000行拼起来即可
最后大杀器
如果写出来这个,基本面试官会直接……
import os def tail(file_name): os.system('tail -f '+file_name) tail('log.log')
打死你!!!
以上就是我对这个题的想法,实际开发中想监控文件变化,其实还是pyinotify 好用。
Python 学习交流:238757010