如何从 stream 读取 CSV 文件并在写入时处理每一行？

Question

我想从标准输入中读取 CSV 文件并处理每一行。 我的 CSV 输出代码一行一行地写入行，但我的读者在迭代行之前等待 stream 终止。 这是csv模块的限制吗？ 难道我做错了什么？

我的阅读器代码：

import csv
import sys
import time


reader = csv.reader(sys.stdin)
for row in reader:
    print "Read: (%s) %r" % (time.time(), row)

我的作家代码：

import csv
import sys
import time


writer = csv.writer(sys.stdout)
for i in range(8):
    writer.writerow(["R%d" % i, "$" * (i+1)])
    sys.stdout.flush()
    time.sleep(0.5)

python 的python test_writer.py | python test_reader.py python test_writer.py | python test_reader.py ：

Read: (1309597426.3) ['R0', '$']
Read: (1309597426.3) ['R1', '$$']
Read: (1309597426.3) ['R2', '$$$']
Read: (1309597426.3) ['R3', '$$$$']
Read: (1309597426.3) ['R4', '$$$$$']
Read: (1309597426.3) ['R5', '$$$$$$']
Read: (1309597426.3) ['R6', '$$$$$$$']
Read: (1309597426.3) ['R7', '$$$$$$$$']

如您所见，所有打印语句都是同时执行的，但我预计会有 500 毫秒的间隔。

Answer 1

正如文档中所说，

为了使for循环成为循环文件行的最有效方式（一种非常常见的操作）， next()方法使用隐藏的预读缓冲区。

通过查看csv模块（第 784 行）的实现，您可以看到csv.reader调用了底层迭代器的next()方法（通过PyIter_Next ）。

因此，如果您真的想要无缓冲读取 CSV 文件，则需要将文件 object （此处为sys.stdin ）转换为迭代器，其next()方法实际上调用readline() 。 这可以使用iter器 function 的两个参数形式轻松完成。 因此，将test_reader.py中的代码更改为如下所示：

for row in csv.reader(iter(sys.stdin.readline, '')):
    print("Read: ({}) {!r}".format(time.time(), row))

例如，

$ python test_writer.py | python test_reader.py
Read: (1388776652.964925) ['R0', '$']
Read: (1388776653.466134) ['R1', '$$']
Read: (1388776653.967327) ['R2', '$$$']
Read: (1388776654.468532) ['R3', '$$$$']
[etc]

您能解释一下为什么需要无缓冲读取 CSV 文件吗？ 无论您尝试做什么，都可能有更好的解决方案。

Answer 2

也许这是一个限制。 阅读此http://docs.python.org/using/cmdline.html#cmdoption-unittest-discover-u

请注意，file.readlines() 和文件对象（用于 sys.stdin 中的行）中有内部缓冲，不受此选项的影响。 要解决这个问题，您需要在 while 1: 循环中使用 file.readline()。

我修改了 test_reader.py 如下：

import csv, sys, time

while True:
    print "Read: (%s) %r" % (time.time(), sys.stdin.readline())

Output

python test_writer.py | python  test_reader.py
Read: (1309600865.84) 'R0,$\r\n'
Read: (1309600865.84) 'R1,$$\r\n'
Read: (1309600866.34) 'R2,$$$\r\n'
Read: (1309600866.84) 'R3,$$$$\r\n'
Read: (1309600867.34) 'R4,$$$$$\r\n'
Read: (1309600867.84) 'R5,$$$$$$\r\n'
Read: (1309600868.34) 'R6,$$$$$$$\r\n'
Read: (1309600868.84) 'R7,$$$$$$$$\r\n'

Answer 3

您正在刷新标准输出，但不是标准输入。

Sys.stdin也有一个flush()方法，如果您真的想禁用缓冲，请尝试在每行读取后使用该方法。