按多列对文本文件排序

Question

我有一个文本文件，大约有10列数据，其中有7列是日期和时间的标记（包括年、月、日、小时、分钟、秒和百分之一秒）。所以数据大致看起来是这样的……

User[TAB]System[TAB]Year[TAB]Month[TAB]Day ... centisec[TAB]Message

抱歉格式很糟糕，但我希望这能让你明白大概的意思。

如果我想按照年份来排序这个文件，我可以这样做：

sorted_lines = sorted(unsortedfile,key=lambda l: int(l.split('\t')[2]))

先拿到未排序的文件，把每一行按制表符分开，取第三列，把它转成整数，然后根据这个整数来排序。我可以对任何一列都这样做。

我想要的是一种更好的方法，能够按照所有的日期和时间列来排序。也就是说，先按年份排序，然后按月份，再按日期……等等。

我能想到一些复杂的方法来实现这个（比如读取每一行，把所有列合并在一起，然后排序……或者对每一列进行递归排序），但我希望能找到一种更简单、更符合Python风格的方法来做到这一点。

Answer 1

你可以使用 csv 模块来解析文件，设置 delimiter='\t' 作为分隔符，然后对 reader 对象使用 sorted() 函数，配合一个自定义的 key 函数来处理日期，转换成 datetime 对象：

import csv
from datetime import datetime
from pprint import pprint


def sort_by_datetime(line):
    return datetime.strptime('{0}-{1}-{2}'.format(*line[2:5]), '%Y-%m-%d')


with open('input.txt') as f:
    reader = csv.reader(f, delimiter='\t')
    pprint(sorted(reader, key=sort_by_datetime))

对于 input.txt 文件：

User1 System1 2013 1 31
User2 System2 2014 12 1
User3 System3 2012 12 31
User4 System4 2012 6 15
User5 System5 2014 1 1

它会输出：

[['User4', 'System4', '2012', '6', '15'],
 ['User3', 'System3', '2012', '12', '31'],
 ['User1', 'System1', '2013', '1', '31'],
 ['User5', 'System5', '2014', '1', '1'],
 ['User2', 'System2', '2014', '12', '1']]