大文件分割、命令脚本 - Python

日志文件分割、命名

工作中经常会收到测试同学、客户同学提供的日志文件，其中不乏几百M一G的也都有，毕竟压测一晚上产生的日志量还是很可观的，xDxD，因此不可避免的需要对日志进行分割，通常定位问题需要针对时间点，因此最好对分割后的日志文件使用文件中日志的开始、结束时间点来命名，这样使用起来最为直观，下面给大家分享两个脚本，分别作分割、命名，希望能够给大家提供一点点帮助；

大文件分割

用法：

1. python split_big_file.py
2. 输入文件全路径名
3. 输入期望的分割后每个小文件的行数
4. Just wait.

代码如下：

	# -*- coding:utf-8 -*-

	import os,re,shutil
	import platform

	sys_name = platform.system().lower()
	SPLIT_CHAR = '\\' if sys_name.find('windows') != -1 else '/'

	print('input big files`s path:')
	_path = raw_input()
	names = []
	pathes = []
	if os.path.isfile(_path):
		print('is file')
		names.append(_path)
	else:
		print('is nothing')
	'''
	elif os.path.isdir(_path):
		print('This is dir')
		pathes = os.listdir(_path)
		print('pathes='+str(pathes))
		for i in range(len(pathes)):
			fullpath = _path+SPLIT_CHAR+pathes[i]
			print('fullpath='+fullpath)
			if os.path.isfile(fullpath):
				names.append(fullpath)
				files.append(open(fullpath).read().split('\n'))
	'''

	print(len(names))

	line_num = int(raw_input('every file`line num = '))
	print('line number='+str(line_num))

	for i in range(len(names)):
		_name = names[i]
		ori_name = _name.split(SPLIT_CHAR)[len(_name.split(SPLIT_CHAR))-1]
		dir_name = _name.replace(ori_name,'DIR_'+ori_name)
		dir_name = dir_name.replace('.','_')
		print ori_name
		print dir_name
		os.system('mkdir '+dir_name)
		count = 1
		print '已处理：'+str(count)+'行'
		part_file = open(dir_name+SPLIT_CHAR+str(0)+'.part.txt','w')
		with open(_name, 'rb') as f:
		    for line in f:
			if count%line_num == 0:
			    part_file.close()
			    part_file = open(dir_name+SPLIT_CHAR+str(int(count/line_num))+'.part.txt','w')
			part_file.write(line+'\n')
			count+=1
			if count%100000 == 0:
			    print '已处理：'+str(count)+'行'
		print '已处理：'+str(count)+'行'
		os.system('python ./get_name_logfile.py '+dir_name)

文件按照开始、结束行时间戳重命名

用法：

• python get_name_logfile.py log.txt
• python get_name_logfile.py logs

参数选择文件或者文件夹均可，如果是文件夹，则会针对文件夹中的每个文件做处理（不会递归到文件夹下文件夹中的文件哦）；

代码如下：

	# -*- coding:utf-8 -*-

	import os,re,shutil
	import sys
	import platform

	sys_name = platform.system().lower()
	SPLIT_CHAR = '\\' if sys_name.find('windows') != -1 else '/'

	_path = sys.argv[1]
	names = []
	files = []
	pathes = []
	if os.path.isfile(_path):
		print('is file')
		names[0] = _path
	elif os.path.isdir(_path):
		print('This is dir')
		pathes = os.listdir(_path)
		print('pathes='+str(pathes))
		for i in range(len(pathes)):
			fullpath = _path+SPLIT_CHAR+pathes[i]
			print('fullpath='+fullpath)
			if os.path.isfile(fullpath):
				names.append(fullpath)
	else:
		print('is nothing')

	print(len(names))

	#	日期格式 ： 05-26 18:20:42.093	r'\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}.\d{3}'
	#
	#	05-26 18:20:43.093：r'\d{2}-\d{2} {1,}\d{2}:\d{2}:\d{2}.\d{1,10}'

	date_reg = r'\d{2}-\d{2} {1,}\d{2}:\d{2}:\d{2}.\d{1,10}'
	time_reg = r'\d{2}:\d{2}:\d{2}.\d{1,10}'

	for i in range(len(names)):
		_name = names[i]
		print('name='+_name)
		# head 尝试在10行内查找日期
		head_len = 10
		start_time = '(start_time-'
		_file_ = open(_name, 'rb')
		reads = _file_.read()
		_file = reads.split('\n')
		if len(_file)/2 < 10:
			head_len = len(_file)/2
		for j in range(head_len):
			res = re.search(date_reg, _file[j])
			if res!=None and res.group(0)!=None:
				start_time = res.group(0)
				print('start_time='+start_time)
				break
		# tail
		tail_len = len(_file)-head_len
		end_time = '-end_time)'
		for j in range(len(_file)-1,tail_len-1,-1):
			res = re.search(time_reg, _file[j])
			if res!=None and res.group(0)!=None:
				end_time = res.group(0)
				print('end_time='+end_time)
				break
		_file_.close()
		ori_name = _name.split(SPLIT_CHAR)[len(_name.split(SPLIT_CHAR))-1]
		print('ori_name='+ori_name)
		new_name = start_time.replace(':','-')+'__'+end_time.replace(':','-')+os.path.splitext(ori_name)[1]
		print('new_name='+new_name)
		print("copy %s %s" % (_name, _name.replace(ori_name,new_name)))
		#os.system ("copy %s %s" % (_name, _name.replace(ori_name,new_name)))
		shutil.copy(_name,_name.replace(ori_name,new_name))
		os.system ("rm -rf "+_name)

最后

大家可以到我的Github上看看有没有其他需要的东西，目前主要是自己做的机器学习项目、Python各种脚本工具、数据分析挖掘项目以及Follow的大佬、Fork的项目等：

https://github.com/NemoHoHaloAi