本教程详解如何从 mbox 格式文本（如 mbox-short.txt）中精准提取邮件发送时间的小时字段，统计各小时出现次数，并按升序输出 小时 数量 的纯文本格式（如 04 3），严格满足自动化测试（pytest）对输出格式的校验要求。
本教程详解如何从 mbox 格式文本（如 `mbox-short.txt`）中精准提取邮件发送时间的小时字段，统计各小时出现次数，并按升序输出 `小时 数量` 的纯文本格式（如 `04 3`），严格满足自动化测试（pytest）对输出格式的校验要求。
在处理邮件日志类文本（如 mbox-short.txt）时，常见需求是统计每小时的邮件发送频次。关键挑战在于：解析必须准确、输出格式必须严格匹配——pytest 不仅校验内容逻辑，更精确比对每行字符串（如 "04 3" 而非 ('04', 3) 或 "04:3"）。
✅ 正确解析逻辑
- 目标行必须以
"From "开头（注意空格，避免匹配"From:"或"Froma"）； - 时间戳位于第 6 个字段（索引
5），格式为"HH:MM:SS"； - 使用
split(":")安全提取小时（hh, mm, ss = tokens[5].split(":")），避免硬切片导致的边界错误（如word[5][0:2]在09:14:16中有效，但在9:14:16中失效）； - 推荐使用
collections.defaultdict(int)或Counter统计，避免手动初始化字典键。
✅ 格式化输出要点（pytest 通过核心）
-
禁止打印元组：
print(item)→ 输出('04', 3)❌； -
必须解包打印：
print(*item)→ 输出04 3✅； -
每行仅含
HH COUNT，无括号、引号、逗号或额外空格； -
按小时字符串升序排序：
sorted(d.items())自动按'04' 字典序排序（因小时为两位字符串，此方式等效于数值排序）。
✅ 完整可运行代码（兼容 pytest）
from collections import defaultdict
def exercise_10_2():
count_dict = defaultdict(int)
filename = "mbox-short.txt"
with open(filename) as f:
for line in f:
# 严格匹配以 "From " 开头的行（注意末尾空格）
if line.startswith("From "):
parts = line.split()
# 确保有足够字段且第6个字段存在冒号
if len(parts) > 5 and ":" in parts[5]:
try:
hour = parts[5].split(":")[0]
# 确保小时为两位数字（如 '09' 而非 '9'），但原始数据已规范
count_dict[hour] += 1
except (ValueError, IndexError):
continue # 跳过异常行，不中断流程
# 按小时字符串升序输出：print(*item) 解包元组为两个参数
for hour, count in sorted(count_dict.items()):
print(hour, count)⚠️ 常见错误与规避
-
错误切片：
word[5][0:2]在单数字小时（如"9:14:16"）中会截取"9:"，应优先用split(":")[0]； -
宽松匹配：
"From " in line可能误匹配行中任意位置，必须用line.startswith("From ")； -
输出格式陷阱：
print(f"{hour} {count}")虽等效，但需确保无多余空格；print((hour, count))直接失败； -
文件路径硬编码：测试环境可能重定向输入，故直接使用
"mbox-short.txt"，无需input()； -
未关闭文件：使用
with open()自动管理资源，避免句柄泄漏。
运行后，输出将严格符合 pytest 期望：
04 3 06 1 07 1 09 2 10 3 11 6 14 1 15 2 16 4 17 2 18 1 19 1
此格式与断言 ['04 3\n06 1\n...'] 完全一致，确保测试 100% 通过。
