1．はじめに

本日は、実務でのテキスト加工について書きます。

実務でログを取得し、集計を行うことになり取得したログを、集計可能な形式（CSV形式）にしなければ
ならなくなりました。

出力されたログ（r_file.log）を見ると、日時が一番上に書かれており、各メッセージの一番左にありません。
集計するためには、日時を、各メッセージの一番左に追記したCSV形式（w_file.csv）にする必要がありました。

さらに、取得したログ（r_file.log）は、200万行ある状態でした。

r_file.log

Tue Nov 11 00:00:00 JST 2022
12 aaa bbb cc:cc:cc:cc ddd
34 eee fff gg:gg:gg:gg hhh

Tue Nov 11 00:00:05 JST 2022
78 iii jjj kk:kk:kk:kk lll
99 mmm nnn oo:oo:oo:oo ppp

Tue Nov 11 00:00:10 JST 2022
12 qqq rrr ss:ss:ss:ss ttt
34 uuu vvv ww:ww:ww:ww zzz

w_file.csv

Tue,Nov,11,00:00:00,12,aaa,bbb,cc:cc:cc:cc,ddd
Tue,Nov,11,00:00:00,34,eee,fff,gg:gg:gg:gg,hhh
Tue,Nov,11,00:00:05,78,iii,jjj,kk:kk:kk:kk,lll
Tue,Nov,11,00:00:05,99,mmm,nnn,oo:oo:oo:oo,ppp
Tue,Nov,11,00:00:10,12,qqq,rrr,ss:ss:ss:ss,ttt
Tue,Nov,11,00:00:10,34,uuu,vvv,ww:ww:ww:ww,zzz

2．作成したコード

取得したログ（r_file.log）が、200万行ということもあり、一気に読み込み／出力（書き込み）は
メモリの消費が大きいと思い、1行ずつ処理を行いました。

プログラミング入門者が、実務で書いたコードを掲載します。

sample_01.py

import csv

read_file = "r_file.log"
write_file = "w_file.csv"


with open(write_file, "w", encoding="utf_8", newline="") as w:
    writer = csv.writer(w)
    
    with open(read_file, "r", encoding="utf_8") as f:
        line = f.readline()
        
        while line:
            if line.startswith("Tue"):
                
                # JST 2022を除去
                data = line.split()[:4]
            
            # 列の開始が数字か確認
            if line[0] >= '0' and line[0] <= '9':
                elem = line.split()
                
                # 年月と時間を一番左に追記するため以下の処理を実施
                csv_data = data + elem
                
                writer.writerow(csv_data)
                
            line = f.readline()

3．コードについて

今回のコードは、まだまだ初心者レベルのため、突っ込みどころ満載だと思います。
今後、スキルアップのため、以下を取り入れて書き換えを行います。

CSVモジュール又は、pandasを使うこと。
日時の抽出は、正規表現を使うこと。

4. 最後に

ツッコミ歓迎致します。皆様のツッコミが、私のスキルアップにつながります！！
お題なんかも出していただけると助かります。
実務では、もっと、こういう使い方もあるよ！！みたいなアドバイスもいただけると嬉しいです。