扁平文本对账中匹配PK与表名后抓取第一组连续对应行的实现
原逻辑核心问题
- 字段索引取值错误:原代码判断PK值时取了
row[2]的位置,但示例中多数pk_tbl行仅2个字段(如pk_tbl 101拆分后最大索引为1),既会触发索引越界,还会误把首行pk_tbl 23 100的第三个字段100当成目标PK,提前触发状态切换。 - 缺失关键状态标记,无法识别“第一组连续drink行”的边界:原代码仅通过
pk_flag判断是否在目标PK对应的文本块内,只要在101块内,所有drink行都会被抓取,包括101块内dessert之后的drink 27/28/29非连续行,和需求不符。 - 没有对“已完成第一组连续块抓取”做终止判断,只要处于目标PK块就会持续抓所有drink行,无法跳过后续同表名的零散行。
修正后的实现方案
这套逻辑为逐行遍历模式,不需要把大文件全量加载进内存,完全适配老旧大文本的对账场景,通过三个状态标记控制流程,避免逻辑混乱:
is_in_target_pk:是否处于目标PK=101对应的文本块,功能和原代码的pk_flag一致,遇到非101的pk_tbl行就重置为0,遇到101的pk_tbl行就置1。drink_block_done:是否已经完成第一组连续drink行的抓取,初始为0,一旦连续drink段断开就置1,后续同块内的drink行全部跳过。in_drink_seq:当前是否正处于连续drink行序列中,用来判断连续段的断开点。
逐行判断流程
- 每读到一行,先判断是不是
pk_tbl行:- 如果是且该行的PK值是101:把
is_in_target_pk置1,同时把drink_block_done、in_drink_seq都重置为初始0,准备处理新的目标块内容 - 如果是且PK值不是101:把
is_in_target_pk置0,同时重置drink_block_done、in_drink_seq为0
- 如果是且该行的PK值是101:把
- 如果当前不在目标101块内,直接跳过当前行,不做额外处理
- 如果已经触发
drink_block_done标记,说明第一组连续drink行已经抓完,后续同块内的行全部跳过 - 在目标块内、且还没完成抓取时判断当前行是不是drink行:
- 如果是drink行:打印这行内容,把
in_drink_seq置1,标记当前在连续drink段中 - 如果不是drink行,且之前
in_drink_seq是1:说明连续drink段已经断了,把in_drink_seq置0,同时把drink_block_done置1——正式标记第一组连续drink行抓取完成
- 如果是drink行:打印这行内容,把
修正后的核心伪代码
# 状态初始化 is_in_target_pk = 0 drink_block_done = 0 in_drink_seq = 0 for row in d: # 拆分当前行字段,跳过空行 parts = row.strip().split() if not parts: continue row_head = parts[0] # 第一优先级:处理pk_tbl行的状态切换 if row_head == 'pk_tbl': # 兼容不同长度的pk_tbl行,取PK值时从第二个字段开始判断 current_pk = parts[1] if current_pk == '101': is_in_target_pk = 1 # 进入新目标块,重置抓取状态 drink_block_done = 0 in_drink_seq = 0 else: is_in_target_pk = 0 drink_block_done = 0 in_drink_seq = 0 continue # 非目标块的行直接跳过 if not is_in_target_pk: continue # 已经抓完第一组连续drink,直接跳过 if drink_block_done: continue # 处理目标块内的drink行 if row_head == 'drink': print(row) in_drink_seq = 1 else: # 遇到非drink行,且之前在drink连续段,说明连续段结束 if in_drink_seq: in_drink_seq = 0 drink_block_done = 1
示例验证
运行给定的示例文本时,代码的流程为:
- 遇到首行
pk_tbl 23 100:PK不是101,状态保持非目标块,所有后续行跳过 - 遇到
pk_tbl 101:切换到目标块状态,重置抓取标记 - 块内的
food 0行:非drink行,无动作 - 遇到
drink 25:打印,标记处于drink连续段 - 遇到
drink 26:打印,保持连续段标记 - 遇到
dessert 0:非drink行,检测到之前处于drink连续段,标记抓取完成 - 后续的
drink 27/28/29行:因为已经触发抓取完成标记,全部跳过 - 遇到
pk_tbl 102:重置所有状态,切回非目标块
最终输出完全符合要求:
drink 25 drink 26
内容的提问来源于stack exchange,提问作者user3280985
相关产品推荐
相关产品推荐

