Angenommen, ich habe diese TSV filePython & BigData. Alternative zu user_agents (funktioniert wirklich langsam mit großen Datensätzen)?
Es sieht aus wie:
status=200 protocol=http region_name=Podolsk datetime=2016-03-10 15:51:58 user_ip=0.120.81.243 user_agent=Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36 user_id=7885299833141807155 user_vhost=tindex.ru method=GET page=/search/
und ich brauche zu extrahieren Benutzer-Browser und OS Nutzungsstatistiken. Hier ist der Code, der nur in Ordnung, außer, dass es funktioniert wirklich langsam:
from ua_parser import user_agent_parser
import user_agents
dict0 = {}
def grep(filename, pattern):
for n,line in enumerate(open(filename)):
ua_start = line.find(pattern) + len(pattern)
ua_end = line.find('\t', ua_start)
ua = str(user_agents.parse(line[ua_start:ua_end]).browser.family)
try:
dict0[ua] += 1
except KeyError:
dict0[ua] = 1
grep('data/data.tsv', 'user_agent=')
Es gibt mir eine nette Idee von Statistiken in einem Wörterbuch, das wie folgt aussehen:
{'Android': 10890,
'Apache-HttpClient': 59,
'Avant': 21,
'BlackBerry WebKit': 16,
'CFNetwork': 301,
'Chrome': 20963,
'Chrome Mobile': 1442,
'Chrome Mobile iOS': 69,
'Chromium': 290,
'Dolfin': 34,
'Edge': 872,
'Edge Mobile': 12,
'Epiphany': 1,
'Firefox': 9757,
'Firefox Beta': 4,
'Firefox Mobile': 22,
'Firefox iOS': 1,
'Galeon': 1,
'Googlebot': 1,
'IE': 5399,
'IE Large Screen': 4,
'IE Mobile': 340,
'Iceweasel': 12,
'Iron': 7,
'Jasmine': 3,
'Mail.ru Chromium Browser': 649,
'Maxthon': 137,
'Midori': 1,
'Mobile Safari': 2778,
'Mobile Safari UI/WKWebView': 51,
'Nokia Browser': 14,
'Nokia OSS Browser': 1,
'Obigo': 2,
'Opera': 10652,
'Opera Coast': 2,
'Opera Mini': 675,
'Opera Mobile': 299,
'Opera Tablet': 25,
'Other': 13424,
'PhantomJS': 11,
'Pinterest': 1,
'Puffin': 25,
'Python Requests': 39,
'Python-urllib': 9,
'QQ Browser Mobile': 3,
'Safari': 255,
'Samsung Internet': 522,
'SeaMonkey': 1,
'Sogou Explorer': 2,
'Spider': 17,
'UC Browser': 528,
'Vivaldi': 7,
'WebKit Nightly': 104,
'Yandex Browser': 19969,
'YandexBot': 86,
'YandexDirect': 2,
'YandexMobileBot': 1,
'YandexSearch': 2601}
Die Komponente, die wirklich langsam ist hier die user_agents Sache selbst. Ich bin nicht wirklich an die user_agents-Bibliothek gebunden oder an die Art, wie ich die Ergebnisse speichere. Wenn Sie irgendwelche Ideen haben, wie Sie die Verarbeitungsgeschwindigkeit verbessern können, sind Sie willkommen.