本节书摘来自异步社区《Python极客项目编程 》一书中的第1章，第1.3节，作者 [美] Mahesh Venkitachalam，王海鹏 译，更多章节内容可以访问云栖社区“异步社区”公众号查看。
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（http://matplotlib.org/） 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：
def findDuplicates(fileName):
print('Finding duplicate tracks in %s...' % fileName)
# read in a playlist
1 plist = plistlib.readPlist(fileName)
# get the tracks from the Tracks dictionary
2tracks = plist['Tracks']
# create a track name dictionary
3 trackNames = {}
# iterate through the tracks
4 for trackId, track in tracks.items():
try:
5 name = track['Name']
duration = track['Total Time']
# look for existing entries
6 if name in trackNames:
# if a name and duration match, increment the count
# round the track length to the nearest second
7 if duration//1000 == trackNames[name][0]//1000:
count = trackNames[name][1]
8 trackNames[name] = (duration, count+1)
else:
# add dictionary entry as tuple (duration, count)
trackNames[name] = (duration, 1)
9 except:
# ignore
pass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：
# store duplicates as (name, count) tuples
1 dups = []
for k, v in trackNames.items():
2 if v[1] > 1:
dups.append((v[1], k))
# save duplicates to a file
3 if len(dups) > 0:
print("Found %d duplicates. Track names saved to dup.txt" % len(dups))
else:
print("No duplicate tracks found!")
4 f = open("dups.txt", "w")
for val in dups:
5 f.write("[%d] %s\n" % (val[0], val[1]))
f.close()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：
def findCommonTracks(fileNames):
# a list of sets of track names
1 trackNameSets = []
for fileName in fileNames:
# create a new set
2 trackNames = set()
# read in playlist
3 plist = plistlib.readPlist(fileName)
# get the tracks
tracks = plist['Tracks']
# iterate through the tracks
for trackId, track in tracks.items():
try:
# add the track name to a set
4 trackNames.add(track['Name'])
except:
# ignore
pass
# add to list
5 trackNameSets.append(trackNames)
# get the set of common tracks
6 commonTracks = set.intersection(*trackNameSets)
# write to file
if len(commonTracks) > 0:
7 f = open("common.txt", "w")
for val in commonTracks:
s = "%s\n" % val
8 f.write(s.encode("UTF-8"))
f.close()
print("%d common tracks found. "
"Track names written to common.txt." % len(commonTracks))
else:
print("No common tracks!")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：
def plotStats(fileName):
# read in a playlist
1 plist = plistlib.readPlist(fileName)
# get the tracks from the playlist
tracks = plist['Tracks']
# create lists of song ratings and track durations
2 ratings = []
durations = []
# iterate through the tracks
for trackId, track in tracks.items():
try:
3 ratings.append(track['Album Rating'])
durations.append(track['Total Time'])
except:
# ignore
pass
# ensure that valid data was collected
4 if ratings == [] or durations == []:
print("No valid Album Rating/Total Time data in %s." % fileName)
return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。
# scatter plot
1 x = np.array(durations, np.int32)
# convert to minutes
2 x = x/60000.0
3 y = np.array(ratings, np.int32)
4 pyplot.subplot(2, 1, 1)
5 pyplot.plot(x, y, 'o')
6 pyplot.axis([0, 1.05*np.max(x), -1, 110])
7 pyplot.xlabel('Track duration')
8 pyplot.ylabel('Track rating')
# plot histogram
pyplot.subplot(2, 1, 2)
9 pyplot.hist(x, bins=20)
pyplot.xlabel('Track duration')
pyplot.ylabel('Count')
# show plot
10 pyplot.show()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：
def main():
# create parser
descStr = """
This program analyzes playlist files (.xml) exported from iTunes.
"""
1 parser = argparse.ArgumentParser(description=descStr)
# add a mutually exclusive group of arguments
2 group = parser.add_mutually_exclusive_group()
# add expected arguments
3 group.add_argument('--common', nargs='*', dest='plFiles', required=False)
4 group.add_argument('--stats', dest='plFile', required=False)
5 group.add_argument('--dup', dest='plFileD', required=False)
# parse args
6 args = parser.parse_args()
if args.plFiles:
# find common tracks
findCommonTracks(args.plFiles)
elif args.plFile:
# plot stats
plotStats(args.plFile)
elif args.plFileD:
# find duplicate tracks
findDuplicates(args.plFileD)
else:
7 print("These are not the tracks you are looking for.")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。
