开源阅读03tablib

代码结构合理,支持多种数据格式，通过定义”内部格式”(row,dataset,databook)实现了多种格式的导入和导出。
功能角度类似pandas,也是管理多维表的，相对轻量级一些。这个真的很简单，大概看一下吧

基础

功能

Tablib 是一个表格操作库，使用python编写，目前(2020-07-11)支持如下格式：cli,csv,dbf,df (DataFrame),html,jira,json,latex,ods,rst,tsv,xls,xlsx,yaml的导入/导出，及修改操作。实现方法是使用各种数据格式的python支持库(大多是各种格式的有明支持库)导入数据成list（列表，python 内置数据结构），每个list的成员就是数据表的一行(建立一个类Row)。对数据的操作就转化成对list和Row的操作。导出时，导出时又使用各库封闭的导出接口就可以了。

使用样例代码(from:test测试案例):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

def setUp(self):
    """Create simple data set with headers."""

    global data, book

    data = tablib.Dataset()
    book = tablib.Databook()

    self.headers = ('first_name', 'last_name', 'gpa')
    self.john = ('John', 'Adams', 90)
    self.george = ('George', 'Washington', 67)
    self.tom = ('Thomas', 'Jefferson', 50)

    self.founders = tablib.Dataset(headers=self.headers, title='Founders')
    self.founders.append(self.john)
    self.founders.append(self.george)


data.append(self.john)
data.append(self.george)
data.headers = self.headers

_csv = data.csv

代码量

comments和代码比例大约2:1，可见开源代码之“友好”。本人认为开源代码由于没有kpi压力，可以较好的代表研发人员的架构和编码水平，这样的大牛的高质量代码都尚且需要如此高比例的注释。那么国内大多研发人员或公司是不是应该汗颜。

模块

模块关系

深度阅读,调用链(略)

广度阅读,模块简析

core：Row，Dataset和Databook三个类
Tablib对表格的实现跟Excel中的表格概念是一致的，一个Databook可以类比成一个Excel文件，里边可以包含多个Dataset（可以类比于Excel中的sheet，代码中是self._datasets），而每一个Dataset中有可能会有表头headers（可选）是通过Python 的List存储的（代码中是self.__headers），每一个Dataset中会有很多行的数据（代码中是self._data），每一行都是一个Row的实例，而每一行中的元素则在Row的成员变量中用一个List来存储(代码中是self._row)，该List中的每一个元素对应于一个单元里边的值。

模块解释

Row

初始化方法:

1
2
3

def __init__(self, row=list(), tags=list()):
    self._row = list(row)
    self.tags = list(tags)

通过self._row这一个成员变量来存储一行里边的所有元素，通过一些双下划线方法，借助Python的语法糖对Row中的单元格数据的存取。

Dataset

和row类似，也是通过实现python的双下划线方法的语法糖，支持python的常见操作符。
另外为了提供所有的针对Dataset的操作，还实现了表格的格式化，表格数据的验证（用于当有新数据存进来的时候，确保新数据的格式跟表格是匹配的），以及不同格式的数据的导入和导出（主要依赖于formats模块）
初始化方法:

1
2
3
4
5
6
7
8
9
10
11
12
13

def __init__(self, *args, **kwargs):
    self._data = list(Row(arg) for arg in args)
    self.__headers = None

    # ('title', index) tuples
    self._separators = []

    # (column, callback) tuples
    self._formatters = []

    self.headers = kwargs.get('headers')

    self.title = kwargs.get('title')

formats

以csv为例：实现了4个方法，从名字也可以看出功能。不再赘述。

registry

tablib最有意思的就是这个模块了。整体上实现了按需求安装和动态import的能力(为了截屏能一次截完，对代码做了简化)

缺点

啥？大牛代码也有缺点？
任何事情有好处必然有坏处，事物自带属性，享受一方面优惠的同时就要付出另一方成本，哪怕大牛也无法避免。
这里更多是见仁见智的问题，可能很多人不认同。代码采用了“动态编码导入”，享受的好处是避免了安装一堆自己不需要的软件包，带来的缺点丢失代码的依赖关系，导致编译器无法识别（只有运行时才会真实的关联），所以在formats文件夹下的类，通过编译器的find usages无法定位到哪里被使用了，在debug时，这样的类导入方式带来难以定位，调试和追踪的问题。

参考

跟我一起读源码 – Tablib源码阅读：https://zhuanlan.zhihu.com/p/147786720
tablib源代码学习：https://www.cnblogs.com/hustlijian/p/3782525.html