Ir al contenido principal

Receta Python: Buscar y Contar frases de un archivo

Hoy en mi trabajo me han solicitado hacer una búsqueda y conteo de ciertas palabras que procesa uno de los servidores que monitoreamos en la empresa. La solicitud exacta era la de contar todas las solicitudes enviadas (ENV), recibidas (REC), y las con error (50 null, 20 no responde, 99, entre otras) de todos los días del mes de septiembre.

Este servidor procesa bastantes solicitudes por minuto así que toco pensar en una solución práctica que me arrojara la información solicitad de forma rápida y confiable. Recurrí a Python e implemente algo sencillo pero que resulto ser completamente eficaz:

# -*- coding: cp1252 -*-
import os

# Solicito el nombre del archivo a analizar
narchivo = raw_input('Archivo o log a analizar: ')

try:
# Abro el archivo para la lectura
archivo = open(narchivo,'r')

# Inicio el contador para cada una de las frase a buscar
cENV = 0
cREC = 0
cE50 = 0
cE20 = 0
cE99 = 0
cTFA = 0

# Inicio el bucle que lee el archivo
# y agrego la condicion que busca la palabra
for linea in archivo:
if linea.find('ENV') >= 0:
cENV += 1
if linea.find('REC') >= 0:
cREC += 1
if linea.find('Tiempo EN FALLAR') >= 0:
cTFA += 1
if linea.find('FALLO: Código error: 50 null') >= 0:
cE50 += 1
if linea.find('FALLO: Código error: 20 Operador no responde') >= 0:
cE20 += 1
if linea.find('error: 99') >= 0:
cE99 += 1

# Cierro el Archivo
archivo.close()

# Calculo el total de fallos
Tfallos = (cTFA) - (cE50 + cE20 + cE99)
if Tfallos <>
Tfallos = Tfallos * -1

# Mensajes para el usuario
print 'Total solicitudes enviadas: ',cENV
print 'Total solicitudes recibidas: ',cREC
print 'Total Tiempo de Fallos (todos los códigos de error)',cTFA
print 'Total respuesto 50 null: ',cE50
print 'Total respuesta 20 Operador no responde: ',cE20
print 'Total respuesta 99: ',cE99
print 'Total otros fallos: ', Tfallos
except IOError:
print 'El archivo indicado no existe'

Comentarios

Entradas populares de este blog

Tutorial: Introducción a PyTorch - Primeros Pasos en Deep Learning

  Muy interesado en este mundo de todo lo relacionado con inteligencia artificial hoy quiero que aprendamos juntos a utilizar PyTorch, una de las librerías más populares para Deep Learning, con ejemplos prácticos. En este tutorial iremos (porque yo también estoy aprendiendo) paso a paso para comenzar con PyTorch y construir nuestros primeros modelos de redes neuronales.  Bienvenido (a)!. El Deep Learning es una rama fascinante de la inteligencia artificial que ha logrado resultados impresionantes en una variedad de problemas complejos. En este tutorial, aprenderás a utilizar PyTorch, una potente librería de Python desarrollada por Facebook, para construir y entrenar modelos de deep learning desde cero. ¿Qué es PyTorch? PyTorch es una librería de Python para computación en Deep Learning que permite tanto entrenar modelos como usarlos para inferencia. Es conocida por su flexibilidad y facilidad de uso, lo que la convierte en una excelente opción tanto para investigadores como pa...

Conexi - Python, Control de existencias

He decidido colgar en la web una aplicación que hice hace ya muchos días utilizando Python , las Wx , VisualWx y MySQL para la plataforma windows. El programa lo bautice CONEXI (Control de Existencias), sirve para la administración del inventario que rota entre bodegas ubicadas en diferentes ciudades pero que son de la misma empresa. El software fue creado para un almacén de electrodomésticos de mi pueblo que tiene sedes en dos ciudades y que necesita saber que colchón, nevera, tv, etc; fue despacha desde y hacia dónde y qué existencias quedaron en cada bodega. No se si me hice entender ;) Puedes descargar el código fuente desde aquí y si tienes alguna inquietud o no te funciona algo me puedes enviar un mail .

SQL Error [53200]: ERROR: out of shared memory

  ¡Hola, amigos del blog! Hoy vamos a hablar sobre un tema que puede causar más de un dolor de cabeza a los que trabajamos con PostgreSQL: el temido error SQL Error [53200]: ERROR: out of shared memory. Pero no te preocupes, porque aquí te explico por qué sucede y cómo solucionarlo de manera sencilla y divertida. Imagina que estás en una fiesta y hay demasiada gente queriendo usar el mismo baño. Al final, alguien se quedará esperando fuera, ¿verdad? Algo similar pasa con PostgreSQL cuando se queda sin memoria compartida para gestionar los bloqueos de los objetos. Este error suele aparecer cuando hay demasiados objetos bloqueados en una sola transacción o cuando el parámetro max_locks_per_transaction está configurado demasiado bajo. ¿Por qué ocurre este error? Las principales causas son: Muchas transacciones concurrentes : Cuando hay demasiadas transacciones al mismo tiempo, todas compitiendo por recursos. Operaciones complejas : Transacciones que bloquean muchos objetos a la vez, ...