在Python中创建可中断的进程
我正在写一个Python脚本,用来处理一个很大的(但结构简单的)CSV文件。
这个处理过程可能需要一些时间。我希望能在解析CSV的时候中断一下,这样我可以在之后的某个时间继续。
目前我有这样的代码,它是一个更大类的一部分:(还没完成)
编辑:
我修改了一些代码。不过系统会处理超过300万行数据。
def parseData(self)
reader = csv.reader(open(self.file))
for id, title, disc in reader:
print "%-5s %-50s %s" % (id, title, disc)
l = LegacyData()
l.old_id = int(id)
l.name = title
l.disc_number = disc
l.parsed = False
l.save()
这是旧的代码。
def parseData(self):
#first line start
fields = self.data.next()
for row in self.data:
items = zip(fields, row)
item = {}
for (name, value) in items:
item[name] = value.strip()
self.save(item)
谢谢大家。
4 个回答
我会这样做:
把实际处理的代码放在一个类里面,然后在这个类上实现 Pickle 协议(可以参考这个链接:http://docs.python.org/library/pickle.html)。简单来说,就是写好 __getstate__
和 __setstate__
这两个函数。
这个类会接收文件名,保持打开的文件和 CSV 读取器实例作为类的成员。__getstate__
方法会保存当前的文件位置,而 __setstate__
方法会重新打开文件,把指针移动到正确的位置,并创建一个新的读取器。
我会在 __iter__
方法中执行实际的工作,这个方法会在处理完每一行后把结果交给外部函数。
这个外部函数会运行一个“主循环”,监控输入是否有中断(比如网络连接、键盘输入、文件系统中特定文件的状态等等)。如果一切正常,它就会调用处理器的下一个迭代。如果发生中断,它会把处理器的状态保存到磁盘上的一个特定文件里。
当程序启动时,只需要检查是否有保存的执行状态,如果有,就用 Pickle 恢复执行对象,并继续主循环。
下面是一些(未经测试的)代码,思路其实很简单:
from cPickle import load, dump
import csv
import os, sys
SAVEFILE = "running.pkl"
STOPNOWFILE = "stop.now"
class Processor(object):
def __init__(self, filename):
self.file = open(filename, "rt")
self.reader = csv.reader(self.file)
def __iter__(self):
for line in self.reader():
# do stuff
yield None
def __getstate__(self):
return (self.file.name, self.file.tell())
def __setstate__(self, state):
self.file = open(state[0],"rt")
self.file.seek(state[1])
self.reader = csv.reader(self.File)
def check_for_interrupts():
# Use your imagination here!
# One simple thing would e to check for the existence of an specific file
# on disk.
# But you go all the way up to instantiate a tcp server and listen to
# interruptions on the network
if os.path.exists(STOPNOWFILE):
return True
return False
def main():
if os.path.exists(SAVEFILE):
with open(SAVEFILE) as savefile:
processor = load(savefile)
os.unlink(savefile)
else:
#Assumes the name of the .csv file to be passed on the command line
processor = Processor(sys.argv[1])
for line in processor:
if check_for_interrupts():
with open(SAVEFILE, "wb") as savefile:
dump(processor)
break
if __name__ == "__main__":
main()
你可以用 signal
来捕捉事件。这是一个示例,展示了一个解析器如何在 Windows 系统上捕捉到 CTRL-C
的操作并停止解析:
import signal, tme, sys
def onInterupt(signum, frame):
raise Interupted()
try:
#windows
signal.signal(signal.CTRL_C_EVENT, onInterupt)
except:
pass
class Interupted(Exception): pass
class InteruptableParser(object):
def __init__(self, previous_parsed_lines=0):
self.parsed_lines = previous_parsed_lines
def _parse(self, line):
# do stuff
time.sleep(1) #mock up
self.parsed_lines += 1
print 'parsed %d' % self.parsed_lines
def parse(self, filelike):
for line in filelike:
try:
self._parse(line)
except Interupted:
print 'caught interupt'
self.save()
print 'exiting ...'
sys.exit(0)
def save(self):
# do what you need to save state
# like write the parse_lines to a file maybe
pass
parser = InteruptableParser()
parser.parse([1,2,3])
不过我现在在用 Linux,没法测试这个。
如果你在Linux系统下,按下Ctrl-Z可以暂停正在运行的程序。然后输入“fg”就可以把它重新调出来,并从你暂停的地方继续运行。