在python中拆分变量表

Question

在调用 lsof 之后，我正在寻找分割每一行以获取表格每个单元格的字符串的通用方法，但问题来了，因为每次调用该命令时，每列的大小都会发生变化。

COMMAND     PID       USER   FD      TYPE             DEVICE  SIZE/OFF       NODE NAME
init          1       root  cwd       DIR                8,1      4096          2 /
kthreadd      2       root  txt   unknown                                         /proc/2/exe
kjournald    42       root  txt   unknown                                         /proc/42/exe
udevd        77       root  cwd       DIR                8,1      4096          2 /
udevd        77       root  txt       REG                8,1    133176     139359 /sbin/udevd
flush-8:1 26221       root  cwd       DIR                8,1      4096          2 /
flush-8:1 26221       root  rtd       DIR                8,1      4096          2 /
flush-8:1 26221       root  txt   unknown                                         /proc/26221/exe
sudo      26228       root    5u     unix 0xfff999002579d3c0       0t0     515611 socket
python    30077       root    2u      CHR                1,3       0t0        700 /dev/null

Answer 1

不用解析lsof命令输出，而是安装psutil模块——它还有跨平台的优势。

import psutil

def get_all_files():
    files = set()
    for proc in psutil.process_iter():
        try:
            files.update(proc.get_open_files())
        except Exception: # probably don't have permission to get the files
            pass
    return files

print get_all_files()
# set([openfile(path='/opt/google/chrome/locales/en-GB.pak', fd=28), openfile(path='/home/jon/.config/google-chrome/Default/Session Storage/000789.log', fd=95), openfile(path='/proc/2414/mounts', fd=8) ... ]

然后您可以对其进行调整以包含父进程和其他信息，例如：

导入psutil

for proc in psutil.process_iter():
    try:
        fids = proc.get_open_files()
    except Exception:
        continue
    for fid in fids:
        #print dir(proc)
        print proc.name, proc.pid, proc.username, fid.path

#gnome-settings-daemon 2147 jon /proc/2147/mounts
#pulseaudio 2155 jon /home/jon/.config/pulse/2f6a9045c2bc8db6bf32b2d7517969bf-device-volumes.tdb
#pulseaudio 2155 jon /home/jon/.config/pulse/2f6a9045c2bc8db6bf32b2d7517969bf-stream-volumes.tdb

Answer 2

您知道列标签右对齐，第一个和最后一个除外。因此，您可以从列标签的末尾提取列边界（相当于：从相邻列标签之间的空白的开头）。

import re
# assuming input_file to be a file-like object
header = input_file.next()

borders = [match.start() for match in re.finditer(r'\s+', header)]
second_to_third_border = borders[1]
borders = borders[1:-1] # delete the first and last because not right-aligned

for line in input_file:
    first_to_second_border = line[:second_to_third_border].rfind(' ')
    actual_borders = [0, first_to_second_border] + borders + [len(line)]
    dset = []
    for (s, e) in zip(actual_borders[:-1], actual_borders[1:]):
        dset.append(line[s:e].strip())
    print dset

关于第一列：
您可以搜索每行第一列和第二列之间的边界。从第二列和第三列之间的边界向后搜索空白。 您应该倒退，因为正如上面的 cmets 所述，该命令可能包含空格 - PID 肯定不是这样。

关于最后一栏：
该列从倒数第二个和最后一个之间的边界延伸到给定行的末尾。

示例：

from StringIO import StringIO

input_file = StringIO('''\
COMMAND     PID       USER   FD      TYPE             DEVICE  SIZE/OFF       NODE NAME
init          1       root  cwd       DIR                8,1      4096          2 /
kthreadd      2       root  txt   unknown                                         /proc/2/exe
kjournald    42       root  txt   unknown                                         /proc/42/exe
''')

打印

['init', '1', 'root', 'cwd', 'DIR', '8,1', '4096', '2', '/']
['kthreadd', '2', 'root', 'txt', 'unknown', '', '', '', '/proc/2/exe']
['kjournald', '42', 'root', 'txt', 'unknown', '', '', '', '/proc/42/exe']

Answer 3

这个呢：

import fileinput

for line in fileinput.input():
    print(line.split())

你可以这样试试：

lsof | python your_script.py

解决“NAME 中的空格问题”

为了解决 cmets 中提到的 NAME 列中可能存在空格的问题，我可以提出以下解决方案。这是基于我保持简单的愿望以及只有最后一列可以有空格的事实。

算法很简单： 1.找到最后一列开始的位置——我用标题NAME的起始位置 2. 剪掉那个位置之后的那行> 你刚才剪的是NAME列的值 3. split() 该行的其余部分。

代码如下：

import fileinput

header_limits = dict()
records = list()
input = fileinput.input()

header_line = None
for line in input:
    if not header_line:
        header_line = line
        col_names = header_line.split()
        for col_name in col_names:
            header_limits[col_name] = header_line.find(col_name)
        continue
    else:
        record = dict()
        record['NAME'] = line[header_limits['NAME']:].strip()
        line = line[:header_limits['NAME'] - 1]
        record.update(zip(col_names, line.split()))
        records.append(record)

for record in records:
    print "%s\n" % repr(record)

结果是一个字典列表。每个字典对应 lsof 输出的一行。

这是一项有趣的任务，展示了 python 在日常任务中的强大功能。

无论如何，如果可能的话，我更喜欢使用一些 python 库作为建议的 psutils