用Python脚本查找一组文件中字符串的实例

Question

我有一个文件，用来集中管理我应用程序中用到的所有字符串。我们叫它 Strings.txt；

TITLE="Title"
T_AND_C="Accept my terms and conditions please"
START_BUTTON="Start"
BACK_BUTTON="Back"
...

这样做对我处理国际化（I18n）很有帮助，但现在我的应用程序变得更大了，发展也很快。因此，很多字符串可能已经不再使用了。我想把那些不再用的字符串删掉，整理一下这个文件。

我想写一个 Python 脚本，利用正则表达式可以找到所有字符串的别名，但我该如何在一个 Java 包的层级结构中搜索某个字符串的实例呢？如果有理由让我使用 Perl 或 Bash，请告诉我，因为我也可以用，但我更想坚持用一种脚本语言。

如果这段话不太清楚，请随时问我，希望这很简单，我只是对 Python 还不太熟悉。

提前谢谢你，

Gav

Answer 1

要解析你的 strings.txt 文件，其实不需要用到正则表达式：

all_strings = [i.partition('=')[0] for i in open('strings.txt')]

如果你想解析你的源代码，可以使用最简单的正则表达式：

re.search('\bTITLE\b', source)        # for each string in all_strings

要遍历源代码目录，你可以使用 os.walk 这个工具。

如果 re.search 成功找到匹配的内容，那就说明你需要把这个字符串从 all_strings 中删除；这样你就会剩下需要从 strings.txt 中移除的字符串。

Answer 2

你可以考虑使用ack这个工具。

% ack --java 'search_string'

这个工具会在当前目录下进行搜索。

Answer 3

假设这些文件的大小都比较合适（就像源文件一样），这样你可以轻松地把它们读入内存。而且你要找的是等号右边引号里的内容：

import collections
files_by_str = collections.defaultdict(list)

thestrings = []
with open('Strings.txt') as f:
  for line in f:
    text = line.split('=', 1)[1]
    text = text.strip().replace('"', '')
    thestrings.append(text)

import os

for root, dirs, files in os.walk('/top/dir/of/interest'):
  for name in files:
    path = os.path.join(root, name)
    with open(path) as f:
      data = f.read()
      for text in thestrings:
        if text in data:
          files_by_str[text].append(path)
          break

这样你就能得到一个字典，字典的键是那些在一个或多个文件中出现的文本，值是包含这些文本的文件路径的列表。如果你只关心“这个文本是否存在”的简单答案，而不在乎它在哪里，你可以只用一个集合来节省一些内存，而不是使用默认字典；不过我觉得知道哪些文件包含了每个文本通常是很有用的，所以我建议使用这个更完整的版本。