我最近的任务是审核我的团队在整个生产代码存储库中使用的所有 python 模块。
我想出了以下内容:
find ~/svn/ -name *.py
| xargs grep -hn "^import|^from"
| awk -F ":" '{print $2}'
| awk '{if (/from/) print $2; else {$1 = ""; print $0} }'
| sed 's/,| /n/g'
| sort
| uniq > /tmp/pythonpkgs.txt
按顺序,它
- 查找所有 python 文件
- 其中,以
import
或from
开头的行的 grep - 拆分
:
字符并使用以下内容,因此不包括文件名和输出编号 - 如果行是形式
from foo import bar
,则打印foo
,否则如果它是形式import foo
打印foo
- 将逗号和空格替换为换行符,例如
import a, b, c
- 对输出进行排序并获取唯一
我自己把这个拼凑在一起,但我想它可能会更好。你会怎么做?巩固awk
?
一开始设置非常聪明,但有几个地方可以清理它:
1: find ~/svn/ -name *.py
2: | xargs grep -hn "^import|^from"
3: | awk -F ":" '{print $2}'
4: | awk '{if (/from/) print $2; else {$1 = ""; print $0} }'
5: | sed 's/,| /n/g'
6: | sort
7: | uniq > /tmp/pythonpkgs.txt
第 3 行:您不需要第一个 awk 拆分/打印 - 只需不要在 grep 上包含-n
,这样您就不会在输出中包含行号。
time find ./<<my_large_project>> -name *.py
| xargs grep -hn "^import|^from"
| awk '{if (/from/) print $2; else {$1 = ""; print $0} }'
| sed 's/,| /n/g'
| sort
| uniq
~~snip~~
real 0m0.492s
user 0m0.208s
sys 0m0.116s
第 6-7 行和第 4-5 行:如果有很多重复行,可以在运行awk
和sed
之前通过sort
ing 和 uniq
-ing 来加快执行速度
time find ./<<my_large_project>> -name *.py
| xargs grep -hn "^import|^from"
| sort
| uniq
| awk '{if (/from/) print $2; else {$1 = ""; print $0} }'
| sed 's/,| /n/g'
~~snip~~
real 0m0.464s
user 0m0.224s
sys 0m0.140s
请注意,这将错过 PEP 0328 中所述的多行导入。 对这些导入的支持将使您的正则表达式搜索相对不平凡,因为您必须查找可选的括号并记下先前的空格。
特定构造的 greping 源代码非常脆弱,在许多情况下它可能会失败。例如,考虑:
import foo ; print 123
或
import foo,
bar
或
str = '''
import foo
'''
等。
如果你对更健壮的方法感兴趣,这就是使用python自己的编译器可靠地解析导入名称的方法:
import ast
def list_imports(source):
for node in ast.walk(ast.parse(source)):
if isinstance(node, ast.Import):
for name in node.names:
yield name.name
if isinstance(node, ast.ImportFrom):
yield node.module
用法:
for name in sorted(set(list_imports(some_source))):
print name
的综合awk:
/^[ t]*import .* as/ {
sub("^[ t]+",""); # remove leading whitespace
sub("[ t]*#.*",""); # remove comments
print $2;
next;
}
/^[ t]*from (.*) import/ {
sub("^[ t]+",""); # remove leading whitespace
sub("[ t]*#.*",""); # remove comments
print $2;
next;
}
/^[ t]*import (.*)/ {
sub("^[ t]+",""); # remove leading whitespace
sub("[ t]*#.*",""); # remove comments
split(substr($0,7),a,","); # split on commas
for (i=1;i<=length(a);i++) {
gsub("[ t]+","",a[i]); # trim whitespace
print a[i];
}
next;
}
通话方式:
find . -name '*.py' -exec awk -f scan.awk {} ; | sort | uniq
如前所述,它不会处理一些潜在的情况,例如用";"连接或用"\"拆分的行,或者用"()"分组,但它将涵盖大多数Python代码。