python-将扁平化的字符串有效地解析为嵌套字典

时间:2018-08-08 16:56:42

标签: python json parsing marshalling

我正在从专有数据库中获取目录和项目的列表。列表也可以是巨大的,包含数千个视图和各种嵌套。列表示例:

"MIPK",
"MIPK\/CM.toroidal",
"MIPK\/CM.Supervoid",
"MIPK\/DORAS",
"MIPK\/DORAS\/CRUDE",
"MIPK\/DORAS\/CRUDE\/CM.forest",
"MIPK\/DORAS\/CRUDE\/CM.benign",
"MIPK\/DORAS\/CRUDE\/CM.dunes",
"MIPK\/DORAS\/COMMODITIES",
"MIPK\/DORAS\/COMMODITIES\/CRUDE",
"MIPK\/DORAS\/COMMODITIES\/CRUDE\/CM.tangeant",
"MIPK\/DORAS\/COMMODITIES\/CRUDE\/CM.astral",
"MIPK\/DORAS\/COMMODITIES\/CRUDE\/CM.forking"

目录用大写字母\/分隔,大小写混合表示项。

我当前返回的JSon是这样的:

    {
    "contents": [{
        "root_path": "MIPK",
        "root_name": "MIPK",
        "directories": [{
            "subd_name": "DORAS",
            "subd_path": "MIPK.DORAS"
        }],
        "views": [{
                "view_name": "CM.toroidal"
            },
            {
                "view_name": "CM.Supervoid"
            }
        ]
    }, {
        "root_path": "MIPK.DORAS",
        "root_name": "DORAS",
        "directories": [{
                "subd_name": "CRUDE",
                "subd_path": "MIPK.DORAS.CRUDE"
            },
            {
                "subd_name": "COMMODITIES",
                "subd_path": "MIPK.DORAS.COMMODITIES"
            }
        ],
        "views": []
    }, {
        "root_path": "MIPK.DORAS.CRUDE",
        "root_name": "CRUDE",
        "directories": [],
        "views": [{
                "view_name": "CM.forest"
            },
            {
                "view_name": "CM.benign"
            },
            {
                "view_name": "CM.dunes"
            }
        ]
    }, {
        "root_path": "MIPK.DORAS.COMMODITIES",
        "root_name": "COMMODITIES",
        "directories": [{
            "subd_name": "CRUDE",
            "subd_path": "MIPK.DORAS.COMMODITIES.CRUDE"
        }],
        "views": []

    }, {
        "root_path": "MIPK.DORAS.COMMODITIES.CRUDE",
        "root_name": "CRUDE",
        "directories": [],
        "views": [{
                "view_name": "CM.tangeant"
            },
            {
                "view_name": "CM.astral"
            },
            {
                "view_name": "CM.forking"
            }
        ]
    }]

}

当前代码:

import logging
import copy
import time

def fetch_resources(input_resources_list):
    '''
    :return: Json list of dictionaries each dictionary element containing:
    Directory name, directory path, list of sub-directories, list of views

    resource_list is a flattened list produced by a database walk function
    '''

    start = time.time()
    resources = {
        'contents': [{}]
    }

    for item in input_resources_list:
        # Parsing list into usable pieces
        components = item.rsplit('\\', 1)

        if len(components) == 1:
            # Handles first element
            root_dict = {'root_path': components[0],
                         'root_name': components[-1],
                         'directories': [],
                         'views': []
                         }
            resources['contents'][0].update(root_dict)
        else:
            #  Enumerate resources in list so search by key value can be done and then records can be appended.
            for ind, content in enumerate(copy.deepcopy(resources['contents'])):

                if resources['contents'][ind]['root_path'] == components[0]:
                    # Directories are upper case, adds a new entry if
                    if clean_item.isupper() :
                        root_dict = {'root_path': components[0],
                                     'root_name': components[-1],
                                     'directories': [],
                                     'views': []
                                     }
                        resources['contents'].append(root_dict)
                        sub_dict = {'subd_path': components[0],
                                    'subd_name': components[-1]}
                        resources['contents'][ind]['directories'].append(sub_dict)
                    elif clean_item.isupper() == False :
                        resources['contents'][ind]['views'] \
                            .append({'view_name':components[-1]})
    print 'It took {}'.format((time.time() - start)*1000) 
    return resources

这在较小的工作负载(大约100-500)下工作正常,但是在目标工作负载为000的情况下却不行。

  1. 如何优化时间方法?

  2. 当前,将针对输入列表中的每个项重建枚举循环,以便按root_path键值进行搜索。有没有更简单的方法来搜索字典列表中的键值并将条目追加到该条目目录和视图列表中?

1 个答案:

答案 0 :(得分:2)

在构建这些字符串时,您已经抛弃了很多信息。例如,当您看到MIPK\/DORAS时,无法知道它是一个文件(应该是父目录列表中的字符串)还是叶目录(应该是父目录字典中的列表) ,或中间目录(应该是父目录的dict中的dict)。您可以做的最好的事情(没有二次嵌套搜索)是猜测,然后如果您猜错了,请稍后进行更改。

此外,有时您的中间目录甚至不会单独显示,而只会显示为以后路径的组成部分,但有时也会出现。因此,有时您必须修复的“猜测”将是根本不存在的目录。

最后,您想要的格式是模棱两可的,例如,任何直接包含文件和目录(应该是字典或列表),或者根本不包含文件和目录(应该是空字典,空列表,还是只是一个字符串?)。

但是,事情似乎是按顺序排列的,模棱两可的案例似乎并没有真正出现。如果我们可以同时使用这两种方法,则只需查看它是前缀还是下一个条目,就可以判断该目录是否是目录。然后,我们可以读取叶子并将它们放入0或多个嵌套字典中的列表内的字符串集合中。

因此,首先,我们要迭代相邻的路径对,以使其更容易执行“是否是下一个值的前缀?”检查:

output = {}

it1, it2 = itertools.tee(paths)
next(it2)
pairs = itertools.zip_longest(it1, it2, fillvalue='')
for path, nextpath in pairs:
    if nextpath.startswith(path):
        continue

现在,我们知道path是一片叶子,因此我们需要找到要附加到其上的列表,并在需要时创建一个列表,这可能意味着递归地创建字典:

components = path.split(r'\/')
d = output
for component in components[:-2]:
    d = d.setdefault(component, {})
d.setdefault(components[-2], []).append(components[-1])

我还没有测试过,但是它应该为正确的输入做正确的事情,但是如果任何目录同时包含文件和子目录,或者任何顶级目录包含文件,或者任何其他模棱两可的情况(空目录除外,它将与文件一样对待)。

当然,这有点丑陋,但这是解析丑陋格式所固有的,这种格式依赖于许多特殊情况的规则来处理本来就模棱两可的事物。