[Python] 使用 io.StringIO 進行資料歸一化(normalization)

情境是有多欄位的資料, 中間分隔是以空格, 但可能有多個空格, 自己做比較慢, python 已有內建的 io 可以處理字串.

範例說明: a 與 b 相隔2個空格, b 與 c 相隔 1 空格, c 與 d 相隔 N 個空格, 最終取得4個元素.

範例:

data_normalized = cookie_data.replace('  ', '\t')
file_like_object = io.StringIO(data_normalized)
for line_number, line in enumerate(file_like_object, 1):
    line = line.strip()
    if not line or line.startswith('#'):
        continue
    parts = line.split()

這個範例說, # 開頭的行, 資料不要, 其他的分隔後放入 parts array.

完整範例, 轉換 string 為 dicttionary

def parse_netscape_cookies(cookie_data):
    data_normalized = cookie_data.replace('  ', '\t')
    file_like_object = io.StringIO(data_normalized)
    cookies_list = []
    FIELD_NAMES = [
        "domain",
        "subdomains",
        "path",
        "secure",
        "expiration",
        "name",
        "value"
    ]
    for line_number, line in enumerate(file_like_object, 1):
        line = line.strip()
        if not line or line.startswith('#'):
            continue
        parts = line.split()
        # 預期會有 7 個欄位，如果分割結果不足 7 個，則表示解析錯誤或格式不完整
        if len(parts) < 7:
            print(f"\n[⚠️ 警告] 第 {line_number} 行格式不完整，跳過：{line}")
            continue
        cookie_fields = {
            "Line": line_number,
            FIELD_NAMES[0]: parts[0],  # Domain
            FIELD_NAMES[1]: to_bool(parts[1]),  # Include Subdomains (Flag)
            FIELD_NAMES[2]: parts[2],  # Path
            FIELD_NAMES[3]: to_bool(parts[3]),  # Secure (Flag)
            FIELD_NAMES[4]: int(parts[4]),  # Expiration Timestamp
            FIELD_NAMES[5]: parts[5],  # Name
            FIELD_NAMES[6]: parts[6],  # Value
        }
        cookies_list.append(cookie_fields)
    return cookies_list