作者 [美] Mahesh Venkitachalam,王海鹏 译
1.3 代码
该项目的目标是找到你的音乐收藏中的重复乐曲,确定播放列表之间共同的音轨,绘制音轨时长的分布图,以及歌曲评分和时长之间的关系图。
随着音乐收藏不断增加,你总会遇到重复的乐曲。为了确定重复的乐曲,查找与Tracks键关联的字典中的名称(前面讨论过),找到重复的乐曲,并用音轨长度作为附加准则来检测重复的乐曲,因为名称相同、但长度不同的音轨,可能是不一样的。
要找到两个或多个播放列表之间共同的音轨,你需要将音乐收藏导出为播放列表文件,收集每个播放列表的音轨名称,作为集合进行比较,通过发现集合的交集来找到共同的音轨。
在收集音乐收藏数据的同时,我们将使用强大的matplotlib 绘图软件包来创建一些图,该软件包由已故的John Hunter开发。我们可以绘制直方图来显示音轨时长的分布,绘制散点图来比较乐曲评分与长度。
要查看完整的项目代码,请直接跳到1.4节。
1.3.1 查找重复
首先可以用findDuplicates()方法来查找重复的曲目,如下所示:
在1行,readPlist()方法接受一个p-list文件作为输入,并返回顶层字典。在2行,访问Tracks字典,在3行,创建一个空的字典,用来保存重复的乐曲。在4行,开始用items()方法迭代Tracks字典,这是Python在迭代字典时取得键和值的常用方法。
在5行,取得字典中每个音轨的名称和时长。用in关键字,检查当前乐曲的名称是否已在被构建的字典中6。如果是这样的,程序检查现有的音轨和新发现的音轨长度是否相同7,用//操作符,将每个音轨长度除以1000,由毫秒转换为秒,并四舍五入到最接近的秒,以进行检查(当然,这意味着,只有毫秒差异的两个音轨被认为是相同的)。如果确定这两个音轨长度相等,就取得与name关联的值,这是(duration,count)元组,并在8行增加计数。如果这是程序第一次遇到的音轨名称,就创建一个新条目,count为1。9
将代码的主for循环放在try语句块中,这是因为一些乐曲音轨可能没有定义乐曲名称。在这种情况下,跳过该音轨,在except部分只包含pass(什么也不做)。
1.3.2 提取重复
利用以下代码,提取重复的音轨:
在1行,创建一个空列表,保存重复乐曲。接下来,迭代遍历trackNames字典,如果count(用v[1]访问,因为它是元组的第二个元素)大于1 2,则将元组(name,count)添加到列表中。在3行,程序打印它找到的信息,然后用open()方法将信息存入文件4。在5行,迭代遍历dups列表,写下重复的条目。
1.3.3 查找多个播放列表中共同的音轨
现在,让我们来看看如何找到多个播放列表中共同的乐曲音轨:
首先,将播放列表的文件名列表传入findCommonTracks(),它创建一个空列表1,保存从每个播放列表创建的一组对象。然后程序迭代遍历列表中的每个文件。对每个文件,创建一个名为trackNames的Python set对象2,然后像在findDuplicates()中一样,用plistlib读入文件3,取得Tracks字典。接下来,迭代遍历该字典中的每个音轨,并添加trackNames对象4。程序读完一个文件中的所有音轨后,将这个集合加入trackNameSets5。
在6行,使用set.intersection()方法来获得集合之间共同音轨的集合(用Python*的运算符来展开参数列表)。如果程序发现集合之间的共同音轨,就将音轨名称写入一个文件。在7行,打开文件,接下来的两行代码完成写入。使用encode()来格式化输出,确保所有Unicode字符都正确处理8。
1.3.4 收集统计信息
接下来,用plotStats()方法,针对这些音轨名称收集统计信息:
这里的目标是收集评分和音轨时长,然后画一些图。在1行和接下来的代码行中,读取了播放列表文件,并访问Tracks字典。接下来,创建两个空列表,保存评分和时长2(在iTunes播放列表中,评分是一个整数,范围是[0,100])。迭代遍历音轨,在3行,将评分和时长添加到相应的列表中。最后,在4行检查完整性,确保从播放列表文件收集了有效数据。
1.3.5 绘制数据
我们已准备好绘制一些数据了。
在1行,利用numpy.array()(在代码中作为np导入),将音轨时长数据放到32位整数数组中。然后在2行,利用numpy,将一个操作应用于数组中的每个元素。在这个例子中,将每个以毫秒为单位的时长值除以值60×1000。在3行,将乐曲评分保存另一个numpy数组y中。
用matplotlib在同一图像上绘制两张图。在4行,提供给subplot()的参数(即,(2, 1, 1))告诉matplotlib,该图应该有两行(2)一列(1),且下一个点应在第一行(1)。在5行,通过调用plot()创建一个点,并且o告诉matplotlib用圆圈来表示数据。
在6行,为x轴和y轴设置略微大一点儿的范围,以便在图和轴之间留一些空间。在7和8行,为x轴和y轴设置说明文字。
现在用matplotlib的方法hist(),在同一张图中的第二行中,绘制时长直方图9。bins参数设置了数据分区的个数,其中每分区用于添加在这个范围内的计数。最后,调用show()10,matplotlib在新窗口中显示出漂亮的图。
1.3.6 命令行选项
现在,我们来看看该程序的main()方法如何处理命令行参数:
本书的大多数项目都有命令行参数。不要尝试手工分析它们并搞得一团糟,要将这个日常的任务委派给Python的argparse模块。在1行,为此创建了一个ArgumentParser对象。该程序可以做三件不同的事情,如发现播放列表之间的共同音轨,绘制统计数据,或发现播放列表中重复的曲目。但是,一个时间程序只能做其中一件事,如果用户决定同时指定两个或多个选项,我们不希望它崩溃。argparse模块为这个问题提供了一个解决方案,即相互排斥的参数分组。在2行,用parser.add_mutually_exclusive_group()方法来创建这样一个分组。
在3、4和5行,指定了前面提到的命令行选项,并输入应该将解析值存入的变量名(args.plFiles、args.plFile和args.plFileD),实际解析在6行完成。参数解析后,就将它们传递给相应的函数,findCommonTracks()、plotStats()和findDuplicates(),本章前面讨论过这些函数。
要查看参数是否被解析,就测试args中相应的变量名。例如,如果用户没有使用--common选项(该选项找出播放列表之间的共同音轨),解析后args.plFiles应该设置为None。
在7行,处理用户未输入任何参数的情况。