本文介绍如何使用python的csv模块正确读取分号分隔的tasks.txt文件，结构化提取任务数据，并基于该数据准确计算任务与用户维度的统计指标，最终生成task_overview.txt和user_overview.txt两个报告文件。

本文介绍如何使用python的csv模块正确读取分号分隔的tasks.txt文件，结构化提取任务数据，并基于该数据准确计算任务与用户维度的统计指标，最终生成task_overview.txt和user_overview.txt两个报告文件。

在开发任务管理系统（如课程项目中的task_manager.py）时，常需从结构化文本文件（如tasks.txt）中批量读取、解析并统计任务数据。原始代码存在多个典型问题：文件句柄重复遍历（enumerate(task)后又调用task.readlines()）、未重置文件指针导致后续读取为空、列表索引误用（如reports[-1]试图判断完成状态）、日期字符串直接比较（不安全且易出错）等。这些问题导致统计逻辑失效，字典值无法更新。

推荐采用标准库 csv.DictReader 进行健壮解析——它自动将首行作为字段名，每行转为字典，天然支持分号分隔符，大幅提升可读性与可靠性。

✅ 正确实现步骤

1. 结构化加载数据：按用户组织任务

import csv
from datetime import datetime

def load_tasks(filename: str) -> dict:
    """将tasks.txt按用户分组，返回 {username: [task_dict, ...]}"""
    users = {}
    with open(filename, 'r', encoding='utf-8') as f:
        reader = csv.DictReader(f, delimiter=';')
        for row in reader:
            username = row.pop('user').strip()
            if username not in users:
                users[username] = []
            users[username].append(row)
    return users

2. 计算任务总览（task_overview）

关键逻辑：

QuickBooks Mileage CSV

使用 qbo-mileage CLI 及用户凭证，从 Airtable、Outlook 或 Google Calendar 记录生成 QuickBooks Online 里程 CSV 文件。

下载

• 遍历所有任务，累加总数、已完成/未完成数；
• 对未完成任务，将due date字符串转为datetime对象再与当前日期比较；
• 百分比计算需避免除零（建议添加if result['Tasks'] > 0保护）。

def generate_task_overview(users: dict) -> dict:
    stats = {
        "Tasks": 0,
        "Completed": 0,
        "Uncompleted": 0,
        "Overdue": 0,
        "Percentage Incomplete": 0.0,
        "Percentage Overdue": 0.0
    }
    today = datetime.now()

    for task_list in users.values():
        for task in task_list:
            stats["Tasks"] += 1
            if task['completed'].strip() == 'Yes':
                stats["Completed"] += 1
            else:
                stats["Uncompleted"] += 1
                try:
                    due_date = datetime.strptime(task['due date'].strip(), '%Y-%m-%d')
                    if due_date < today:
                        stats["Overdue"] += 1
                except ValueError:
                    print(f"Warning: Invalid date format in task '{task.get('Task', 'unknown')}'")

    # 安全计算百分比
    if stats["Tasks"] > 0:
        stats["Percentage Incomplete"] = (stats["Uncompleted"] / stats["Tasks"]) * 100
        stats["Percentage Overdue"] = (stats["Overdue"] / stats["Tasks"]) * 100

    return stats

3. 计算用户总览（user_overview）

统计用户总数、每人任务数、总任务数等。注意原需求中 "Name": 0 含义模糊，此处统一替换为 "User_Count" 和各用户明细（可选扩展）：

def generate_user_overview(users: dict) -> dict:
    user_count = len(users)
    total_tasks = sum(len(tasks) for tasks in users.values())

    return {
        "Users": user_count,
        "Total_Tasks": total_tasks,
        "Per_User_Tasks": {user: len(tasks) for user, tasks in users.items()}
    }

4. 主流程与文件写入

整合逻辑，并写入报告文件：

if __name__ == "__main__":
    # 加载数据
    users = load_tasks("tasks.txt")

    # 生成统计
    task_stats = generate_task_overview(users)
    user_stats = generate_user_overview(users)

    # 写入 task_overview.txt
    with open("task_overview.txt", "w", encoding='utf-8') as f:
        for k, v in task_stats.items():
            f.write(f"{k}: {v}\n")

    # 写入 user_overview.txt
    with open("user_overview.txt", "w", encoding='utf-8') as f:
        for k, v in user_stats.items():
            if isinstance(v, dict):
                f.write(f"{k}:\n")
                for sub_k, sub_v in v.items():
                    f.write(f"  {sub_k}: {sub_v}\n")
            else:
                f.write(f"{k}: {v}\n")

    print("✅ Reports generated: task_overview.txt & user_overview.txt")

⚠️ 注意事项

• 编码安全：始终指定 encoding='utf-8' 防止中文或特殊字符报错；
• 异常处理：对日期解析、空字段等添加try/except，避免程序中断；
• 文件指针：切勿对同一文件对象多次迭代（如先for line in f再f.readlines()），应重开文件或使用f.seek(0)；
• 字段校验：生产环境建议检查tasks.txt是否缺失必要列（如user, completed, due date）；
• 性能提示：对于超大文件，可考虑流式处理或Pandas；但本场景下csv.DictReader已足够高效。

通过以上结构化设计，代码逻辑清晰、易于维护，并能准确支撑后续报告生成功能。