python后缀名切割_大文件分割、命名脚本 - 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：

python split_big_file.py

输入文件全路径名

输入期望的分割后每个小文件的行数

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 18:20:42.093r'\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