Ein Schema erstellen, Daten importieren und das Schema weiterentwickeln · Übung
Jede CSV-Zeile vor dem Schreiben validieren
Der CSV-Reader hat belegt, dass jede Zeile fünf Zellen hat, aber "0", " " und ein wiederholtes Inventarkennzeichen haben trotzdem die richtige Form. Wandle jetzt den vollständigen unverarbeiteten Datenstapel in
Vervollständige validate_item_rows(rows) in catalog_import.py. Run kombiniert die beiden
validate_item_rows(read_item_rows(Path("data/items.csv")))
Eine gültige Zeile wird zu einem
== validate every row ==
Call: validate_item_rows(read_item_rows(Path("data/items.csv")))
(1, 'TL-100', 'Cordless drill', 'tools', 7)
(2, 'EV-200', 'Folding table', 'events', 14)
(3, 'EL-300', 'Projector', 'electronics', 3)
Repeated TL-100 -> Error: CSV contains asset tag TL-100 more than once.
Entferne bei id und loan_days umgebende Leerraumzeichen und akzeptiere nur dezimale ASCII-Ziffern, deren umgewandelte ganze Zahl größer als null ist. Das lehnt absichtlich Vorzeichen, Dezimalzahlen, null, negative Zahlen und ähnlich aussehende Unicode-Ziffern ab. Entferne bei asset_tag, name und category umgebende Leerraumzeichen und lehne ein Ergebnis ohne Zeichen ab.
Halte getrennte Sets für umgewandelte IDs und bereinigte Kennzeichen. Der Duplikatvergleich muss nach Umwandlung und Bereinigung stattfinden: "01" und "1" haben dieselbe ID, während " TL-100 " und "TL-100" dasselbe Kennzeichen haben. Nenne im Duplikatfehler den normalisierten Wert.
Baue das Ergebnis lokal auf und gib es erst zurück, nachdem jede Zeile bestanden hat. Das ist ein reiner Vorbereitungsschritt: Er erhält
Verwende die angezeigte Zeilennummer auch bei Wertfehlern. Eine Meldung wie CSV row 4 loan days must be a positive integer. verweist auf die Quelle und hält zugleich die Regel ausdrücklich fest. Überspringe niemals stillschweigend eine ungültige Zeile: Ein fragwürdiger Datensatz macht den gesamten übergebenen Datenstapel ungeeignet zum Schreiben.
Aufgabe
Vervollständige validate_item_rows(rows) in catalog_import.py.
Gib