Question

我有一个包含大约900万条记录和2.5 GB大小的dbf文件。 80个大小的字符字段占用了大量空间，用于存储大约10个不同字符串中的1个。为了节省文件大小，我希望用整数字段替换字符字段，并在稍后阶段使用关系数据库来获取完整的字符字段（如果需要）。

目前我有以下Python脚本使用dbf库（http://pythonhosted.org/dbf/）。该脚本似乎正在运行（在较小的dbf文件上测试），但是当我尝试使用完整的dbf文件运行它时，它运行了几个小时。

import dbf

tabel = dbf.Db3Table('dataset.dbf')
tabel.open()

with tabel:
 tabel.add_fields('newfield N(2, 0)')
 for record in tabel:
     if record.oldfield == 'string_a                                                                        ':
         dbf.write(record, newfield=1)
     elif record.oldfield == 'string_b                                                                        ':
         dbf.write(record, newfield=2)
     elif record.oldfield == 'string_c                                                                        ':
         dbf.write(record, newfield=3)
     elif record.oldfield == 'string_d                                                                        ':
         dbf.write(record, newfield=4)
     elif record.oldfield == 'string_e                                                                        ':
         dbf.write(record, newfield=5)
     elif record.oldfield == 'string_f                                                                        ':
         dbf.write(record, newfield=6)
     elif record.oldfield == 'string_g                                                                        ':
         dbf.write(record, newfield=7)
     elif record.oldfield == 'string_h                                                                        ':
         dbf.write(record, newfield=8)
     elif record.oldfield == 'string_i                                                                        ':
         dbf.write(record, newfield=9)
     elif record.oldfield == 'string_j                                                                        ':
         dbf.write(record, newfield=10)
     else:
         dbf.write(record, newfield=0)

dbf.delete_fields('dataset.dbf', 'oldfield')

正如您可以从代码中看到的那样，我是Python和dbf库的新手。这个脚本可以更高效地运行吗？

Answer 1

添加和删除字段都将首先制作2.5GB文件的备份副本。

最好的办法是创建一个与原始结构相同的新dbf，但这两个字段除外;然后在复制每条记录时进行更改。类似的东西：

# lightly untested

old_table = dbf.Table('old_table.dbf')
structure = old_table.structure()
old_field_index = structure.index('oldfield')
structure = structure[:old_field_index] + structure[old_field_index+1:]
structure.append('newfield N(2,0)')
new_table = dbf.Table('new_name_here.dbf', structure)

with dbf.Tables(old_table, new_table):
    for rec in old_table:
        rec = list(rec)
        old_value = rec.pop(old_field_index)
        rec.append(<transform old_value into new_value>)
        new_table.append(tuple(rec))

我怎样才能改进这个Python脚本来替换dbf文件中的记录？

1 个答案: