¿Cómo crear un diccionario a partir de una línea de texto?

Question

tengo un archivo generado con miles de líneas como la siguiente:

CODE,XXX,DATE,20101201,TIME,070400,CONDITION_CODES,LTXT,PRICE,999.0000,QUANTITY,100,TSN,1510000001

Algunas líneas tienen más campos y otros tienen menos, pero todos siguen el mismo patrón de pares de valores clave y cada línea tiene una Campo TSN

Al hacer un análisis sobre el archivo, escribí un bucle como el siguiente para leer el archivo en un diccionario:

#!/usr/bin/env python 

from sys import argv 

records = {} 
for line in open(argv[1]): 
    fields = line.strip().split(',') 
    record = dict(zip(fields[::2], fields[1::2])) 
    records[record['TSN']] = record 

print 'Found %d records in the file.' % len(records) 

... que está muy bien y hace exactamente lo que yo quiero que (la print es solo un ejemplo trivial).

Sin embargo, no se siente particularmente "Pythonic" para mí y la línea con: (¿cuántas veces no es iterar sobre los campos)

dict(zip(fields[::2], fields[1::2])) 

cual sólo se siente "torpe".

¿Hay una forma mejor de hacerlo en Python 2.6 con solo los módulos estándar a mano?

Answer 1

En Python 2 podría utilizar izip en el módulo itertools y la magia del generador de objetos para escribir su propia función para simplificar la creación de pares de valores para los registros dict. Obtuve la idea de pairwise() de un nombre similar (pero funcionalmente diferente) recipe en Python 2 itertools documentos.

Para utilizar el enfoque en Python 3, sólo puede utilizar llanura zip() ya que hace lo hicieron izip() en Python 2 resulta en la eliminación de este último de itertools — el siguiente ejemplo direcciones este y debería funcionar en ambas versiones.

try: 
    from itertools import izip 
except ImportError: # Python 3 
    izip = zip 

def pairwise(iterable): 
    "s -> (s0,s1), (s2,s3), (s4, s5), ..." 
    a = iter(iterable) 
    return izip(a, a) 

que puede ser utilizado como esta en el archivo de lectura for bucle:

from sys import argv 

records = {} 
for line in open(argv[1]): 
    fields = (field.strip() for field in line.split(',')) # generator expr 
    record = dict(pairwise(fields)) 
    records[record['TSN']] = record 

print('Found %d records in the file.' % len(records)) 

Pero espere, hay más!

Es posible crear una versión generalizada que llamaré grouper(), que corresponde de nuevo a un nombre similar, pero funcionalmente diferentes itertools receta (que aparece justo debajo de pairwise()):

def grouper(n, iterable): 
    "s -> (s0,s1,...sn-1), (sn,sn+1,...s2n-1), (s2n,s2n+1,...s3n-1), ..." 
    return izip(*[iter(iterable)]*n) 

que podría ser utilizado como este en su for bucle:

record = dict(grouper(2, fields)) 

por supuesto, para casos específicos como este, es fácil de usar functools.partial() y crear un pairwise() función similar con ella (que funcionará tanto en Python 2 & 3):

import functools 
pairwise = functools.partial(grouper, 2) 

PostScript

A menos que haya un muy gran número de campos, en su lugar podría crear una secuencia real de los pares de elementos de línea (en lugar de utilizar un generador de expresión que no tiene len()):

fields = tuple(field.strip() for field in line.split(',')) 

Usted podría llegar a funcionar con una más simple grouper() función:

try: 
    xrange 
except NameError: # Python 3 
    xrange = range 

def grouper(n, sequence): 
    for i in xrange(0, len(sequence), n): 
     yield sequence[i:i+n] 

pairwise = functools.partial(grouper, 2) 

Answer 2

No

mucho mejor que simplemente more efficient...

Full explanation

Answer 3

import itertools 

def grouper(n, iterable, fillvalue=None): 
    "grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx" 
    args = [iter(iterable)] * n 
    return itertools.izip_longest(fillvalue=fillvalue, *args) 

record = dict(grouper(2, line.strip().split(",")) 

source

Answer 4

Si vamos a lo abstracto en una función de todos modos, no es demasiado difícil escribir "desde cero":

def pairs(iterable): 
    iterator = iter(iterable) 
    while True: 
     try: yield (iterator.next(), iterator.next()) 
     except: return 

versión de la receta de Robert definitivamente gana puntos para la flexibilidad , aunque.