在大概3個月之前，Python對我來說一直是個迷。然而，就在3個月前我經理給我一個任務——刪除（替換）所有項目源碼文件中包含特定幾行內容的所有注釋。整個項目源碼的大小有1G，在Linux服務器（中高檔）上編譯需要半個多小時，可見代碼量之大，不可能手動去一個一個改?？隙ǖ糜媚_本去處理，于是我想到了Python。在這之前沒有接觸過Python，花了2個星期一頓惡補之后，總算順利交差了。
一直很想和大家分享一下碰到的問題及我如何解決的（可能我的方案并不好，但是他能夠解決我的問題），但一直拖到現在是因為我感覺我還對Python的了解還不夠。因為要在短時間內完成上面交下來的任務，在學習Python的時候，都是走馬觀花，對解決自己的問題不相關的直接跳過，看資料也靜不下心，腦海里都是問題。前幾天我靜下心把Python的書從頭到尾瀏覽了一遍，感覺現在是時候要進行總結了。
本文的主要內容如下：
問題描述
解題思路
代碼實現
Python的特點
1、問題描述
項目源碼很大，屬于C/C++混合的那種，編程風格也很多樣，有'.c'、'.cc'、'cpp'、'.h'、'.hh'等文件。我要完成的任務是：把包含特定幾行內容的注釋刪掉，如（聲明：下面的內容只是我隨便舉的一個例子，項目源碼中不涉及下面的內容。）
/*
* Copyright 2002 Sun Microsystems, Inc. All rights reserved.
*
* Redistribution and use in source and binary forms, with or without
* modification, are permitted provided that the following conditions
* are met:
*
* - Redistributions of source code must retain the above copyright
* notice, this list of conditions and the following disclaimer.
*
* - Redistribution in binary form must reproduce the above copyright
* notice, this list of conditions and the following disclaimer in
* the documentation and/or other materials provided with the
* distribution.
*
* Neither the name of Sun Microsystems, Inc. or the names of
* contributors may be used to endorse or promote products derived
* from this software without specific prior written permission.
*/
但是格式有很多種，如有的在“ Copyright 2002 Sun Microsystems, Inc. All rights reserved.”前面有一段關于本源碼文件的描述、有的在“from this software without specific prior written permission.”后面有一段關于本源碼文件的描述、有的是C++風格的注釋用"http://",而不是“/**/”、還有的沒有
“ * - Redistribution in binary form must reproduce the above copyright
* notice, this list of conditions and the following disclaimer in
* the documentation and/or other materials provided with the
* distribution.”等等還有其他一些?？傊痪湓?，我要刪除的包含特定幾行內容的注釋有很多中格式！
于是我決定要用Python來編寫腳本處理。要匹配特定的內容，我想到了用正則表達式，但苦于不知道如何去構建正則來匹配上面描述的內容（您知道的話，希望能夠告訴我）！我只有另辟路徑了。
2、解題思路
我的思路——要刪除所有項目源碼中包含特定幾行內容的注釋，腳本要滿足以下幾點功能：
腳本要能夠遍歷所有的源碼文件（'.c'、'.cc'、'cpp'、'.h'、'.hh'），并只處理上面的幾種類型的文件
找出包含特定幾行內容的注釋，并刪除之
能夠處理一些特殊情況，如軟連接文件
上面的幾點的處理步驟可以表示如下：
Step 1：輸入要處理源碼文件夾名，或者源碼文件名；
Step 2：如果是文件名，檢查文件的類型是否為'.c'、'.cc'、'cpp'、'.h'、'.hh'，否則不處理；
Step 3：檢查文件是否是軟連接，如果是軟連接則不處理；
Step 4：查找文件中是否存在匹配的注釋，存在則刪掉，否則不處理；
Step 5：如果是文件夾，則對文件夾中的每個文件、文件夾進行處理，轉Step2.
思路很明確，關鍵是如何查找文件中是否包含匹配的內容，并刪除！還有就是，對于一個沒用過Python等腳本語言的人來說，如何編碼實現也是一個問題！
如何確定注釋是否為包含特定幾行內容的注釋？我的思路如下：（因為正則表達式學的不好，只有通過下面的方法了）
如果是/*、//則記錄下當前的文件行數，即行號startLine
以行為單位查找是否存在特定的幾行，如“ Copyright 2002 Sun Microsystems, Inc. All rights reserved.”等等
直到遇到*/，或注釋結束了（對于//）。如果存在，則記錄下注釋結束的行號endLine
最后，刪掉這從startLine ~ endLine的內容。
3、代碼實現
廢話我不多說了，直接按照上面的實例實現代碼，如果你對Python不熟，請參閱相關資料。
#!/usr/bin/env python
#Filename: comment.py
import os, sys, fileinput
#-------------------------------------------------------------
def usage():
print u'''
help: comment.py <filename | dirname>
[dirname]: Option, select a directory to operate
[filename]: Option, select a file to operate
Example: python comment.py /home/saylor/test
'''
#--------------------------------------------------------------
def commentFile(src, fileList):
'''
description: comment files
param src: Operate file name
'''
#if file exist?
ifnot os.path.exists(src):
print'Error: file - %s doesn\'t exist.'% src
return False
if os.path.islink(src):
print'Error: file - %s is just a link, will not handle it.'
return False
filetype = (os.path.splitext(src))[1]
ifnot filetype in ['.c','.h']:
return False
try:
ifnot os.access(src, os.W_OK):
os.chmod(src, 0664)
except:
print'Error: you can not chang %s\'s mode.'% src
try:
inputf = open(src, 'r')
outputfilename = src +'.tmp'
outputf = open(outputfilename, 'w')
beginLine = 0
endLine =100000000
isMatched = False
#-----find the beginLine and endLine -------------------
for eachline in fileinput.input(src):
if eachline.find('/*') >= 0:
beginLine = fileinput.lineno()
if eachline.find('Copyright 2002 Sun Microsystems, Inc. All rights reserved.') >= 0:
isMatched = True
if eachline.find('*/') >= 0 and isMatched:
endLine = fileinput.lineno()
break
#-----delete the content between beginLine and endLine-----
print beginLine, endLine
lineNo =1
for eachline in inputf:
if lineNo < beginLine:
print eachline
outputf.write(eachline)
elif lineNo > endLine:
print eachline
outputf.write(eachline)
lineNo = lineNo +1
inputf.close()
outputf.close()
os.rename(outputfilename, src)
fileList.append(src)
except:
print'Error: unexcept error.'
inputf.close()
outputf.close()
return True
#--------------------------------------------------------------
def commentDir(src, fileList):
'''
description:
comment files in src(dir)
param src:
operate files in src(dir)
'''
#if dir exist?
ifnot os.path.exists(src):
print'Error: dir - %s is not exist.'%s (src)
return False
filelists = os.listdir(src)
for eachfile in filelists:
eachfile = src +'/'+eachfile
if os.path.isdir(eachfile):
commentDir(eachfile, fileList)
elif os.path.isfile(eachfile):
commentFile(eachfile, fileList)
return True
#--------------------------------------------------------------
def main():
if len(sys.argv) <2:
usage()
sys.exit(1)
src = sys.argv[1]
if os.path.isdir(src):
dire = os.path.abspath(src)
dirFlag = True
elif os.path.isfile(src):
fl = os.path.abspath(src)
dirFlag = False
else:
print'Error'
fileList = []
if dirFlag:
commentDir(dire, fileList)
else:
commentFile(fl, fileList)
if fileList:
print'Successful handle file: ...'
for eachfile in fileList:
print eachfile
print'Done'
return True
#--------------------------------------------------------------
if__name__=='__main__':
main()
4、Python的特點
Python入門我強烈推薦下面的資料，深入學習請閱讀其它資料：
《A Byte of Python》http://www.swaroopch.com/notes/Python
《簡明 Python 教程》http://woodpecker.org.cn/abyteofpython_cn/chinese/
Python的設計哲學是“優雅”、“明確”、“簡單”。因此，Perl語言中“總有多種方法來做同一件事”的理念在Python開發者中通常是難以忍受的。Python開發者的哲學是“用一種方法，最好是只有一種方法來做一件事”。在設計Python語言時，如果面臨多種選擇，Python開發者總會拒絕花哨的語法，而選擇明確的沒有或者很少有歧義的語法。由于這種設計觀念的差異，Python源代碼通常認為比Perl具備更好的可讀性。
Python開發人員盡量避開不成熟或者不重要的優化。一些針對非重要部位的加快運行速度的補丁通常不會被合并到Python內。所以很多認為Python很慢。不過，根據二八定律，大多數程序對速度要求不高。在某些對運行速度要求很高的情況，Python程序員傾向于使用JIT技術，或者用使用C/C++語言改寫這部分程序。目前可用的JIT技術是Pysco。Cython可以將Python代碼轉換成C代碼。
相對于Lisp這種傳統的函數式編程語言，Python對函數式編程只提供了有限的支持。有兩個標準庫(functools, itertools)提供了Haskell和Standard ML中久經考驗的函數式編程工具。
雖然Python可能被粗略地分類為「腳本語言」（script language），但實際上一些大規模軟件開發計劃例如Zope、Mnet及BitTorrent，Google也廣泛地使用它。Python的支持者較喜歡稱它為一種高階動態編程語言，原因是「腳本語言」泛指僅作簡單編程任務的語言，如shell script、JavaScript等只能處理簡單任務的編程語言，並不能與Python相提并論。
Python本身被設計為可擴展的。并非所有的特性和功能都集成到語言核心?？梢允褂肅語言、C++、Cython來編寫擴展模塊。Python解釋器本身也可以被集成到其它需要腳本語言的程序內。因此，很多人還把Python作為一種「膠水語言」（glue language）使用。使用Python將其他語言編寫的程序進行集成和封裝。在Google內部的很多項目使用C++編寫性能要求極高的部分，然后用Python調用相應的模塊。
Python的特點：
1、第一行是特殊形式的注釋：它被稱作 組織行 ——源文件的頭兩個字符是#!，后面跟著一個程序。這行告訴你的Linux/Unix系統當你 執行 你的程序的時候，它應該運行哪個解釋器。建議使用這種形式——#!/usr/bin/env python，而不是——#!/usr/bin/python。
2、縮進很重要。Python使用縮進而不是一對花括號來劃分語句塊。
3、關鍵參數的概念很有用
4、None 返回"沒有任何東西"，每一個函數默認返回None
5、pass 空語句塊
6、文檔字符串，__doc__，沒多大用。但是一個好的Python程序，應該要有文檔字符串，且一般遵循：“文檔字符串的慣例是一個多行字符串，它的首行以大寫字母開始，句號結尾。第二行是空行，從第三行開始是詳細的描述。 ”
6、python中引入模塊后（import）首先就要執行模塊的主塊，當然模塊中可能全是函數。如果要避免使用模塊名稱：from 模塊名 import 符號名，那麼使用該符號名就不用使用模塊名＋點號＋符號名，但是不推薦，容易造成程序不容易讀，而且容易出錯（特別是在python簡潔而簡單的語法的基礎上） import... as ... 起一個別名
7、模塊的__name__屬性，相當有用，解決了import的缺點，可以實現如果不是運行的本模塊而被調用，不調用主塊
#!/usr/bin/env python# Filename: using_name.pyif __name__ == '__main__':print 'This program is being run by itself'else:print 'I am being imported from another module'
8、刪除一個變量/名稱，你將無法再使用該變量——它就好像從來沒有存在過一樣。
9、可以使用內建的dir函數來列出模塊定義的標識符。標識符有函數、類和變量。當你為dir()提供一個模塊名的時候，它返回模塊定義的名稱列表。如果不提供參數，它返回當前模塊中定義的名稱列表
10、元組語法與list相似，意義相當于枚舉，可以為空，如果只含有一個元素，需要加逗號以區別于表達式（“one”, ）
11、元組最通常的用法是用在打印語句中，可以使用格式控制符
#!/usr/bin/env python# Filename: print_tuple.pyage = 22name = 'Swaroop'print '%s is %d years old' % (name, age)print 'Why is %s playing with that python?' % name
12、有一個內建的字典類型，但是沒有沖突的解決方案，但這確實是字典的定義，想要更好的結構就自己實現吧。語法：｛key:value, key1:value1,...｝
13、序列的概念：列表、元組和字符串都是序列，支持索引操作符和切片操作符。索引操作符讓我們可以從序列中抓取一個特定項目。切片操作符讓我們能夠獲取序列的一個切片，即一部分序列。索引可以是負數，在那樣的情況下，位置是從序列尾開始計算的。序列的神奇之處在于你可以用相同的方法訪問元組、列表和字符串。
14、如果你想要復制一個列表或者類似的序列或者其他復雜的對象（不是如整數那樣的簡單 對象 ），那么你必須使用切片操作符來取得拷貝。如果你只是想要使用另一個變量名，兩個名稱都 參考 同一個對象，那么如果你不小心的話，可能會引來各種麻煩。［淺拷貝和深拷貝的關系］
15、str類有很多方法，如果要非常熟悉str的操作，參考help(str)
16、剩下的就是掌握很多系統庫了，這個要靠經驗，比如說os.system(命令)可用于執行shell命令，了解的庫越多，python就會讓你完成更強大的功能。
17、接下來是面向對象，基本概念一樣，this由代替self， 而且這個名字不一定要寫成self，任何名字都可以，這也帶來了一個缺點，你必須在形參里面指定，調用函數時不用傳遞該參數。
構造函數：__init__(self, ......)
析構函數：__del__ 對象滅亡時或者調用del時被調用
Python中所有的類成員（包括數據成員）都是公共的 ，所有的方法都是有效的 。只有一個例外：如果你使用的數據成員名稱以 雙下劃線前綴 比如__privatevar，Python的名稱管理體系會有效地把它作為私有變量。
支持多重繼承
18、如果你已經厭煩了java、c＋＋的讀寫文件，那么python會讓你重新喜歡上文件讀寫，python主張解決問題的方案越少越好，寫文件就一個f ＝ file(name, 'w')，f.write(...)讀文件也一樣，f = file(name)，f.read或readline，最后close
19、cPickle和pickle是叫做存儲器的重要模塊，可以非常方便地將一個對象存儲到一個文件，然后再取存儲從文件中取出來pickle.dump(object, file object)，構造對象時，pickle.load(file object) [儲存、取存儲]
20、異常：raise，except,try...finally
21、sys模塊和os模塊有很多強大功能。
22、在函數中接收元組和列表當要使函數接收元組或字典形式的參數的時候，有一種特殊的方法，它分別使用*和**前綴。這種方法在函數需要獲取可變數量的參數的時候特別有用。
23、lambda形式：lambda語句被用來創建新的函數對象，并且在運行時返回它們。lambda語句用>來創建函數對象。本質上，lambda需要一個參數，后面僅跟單個表達式作為函數體，而表達式的值被這個新建的函數返回。注意，即便是print語句也不能用在lambda形式中，只能使用表達式。
24、exec、eval、assert、repr函數和反引號用來獲取對象的可打印的表示形式。你可以通過定義類的__repr__方法來控制你的對象在被repr函數調用的時候返回的內容。
最后，感謝實習所在公司給我足夠的時間和機會去學習新的東西。還有要感謝學習Python期間，編寫參閱資料的人。期間我參閱了下面的資料（包括上面推薦的資料）：
wiki：http://zh.wikipedia.org/zh/Python
Chinaunix的Python論壇資料
《OReilly-Learning-Python-4th-Edition-Oct-2009》
當然還有前面提到過的入門資料：簡明 Python 教程（中），對應的英文版是A Byte of Python
喜歡 
頂
難過
囧
圍觀
無聊
