通过前两篇的了解，一起解决了为什么要用python（Why）以及怎么用python（How）的问题，在这个系列的最后一讲里，一起再来看看在IC设计的征途中里的案例和一些推荐

案例一：大型文件高速比对

IC设计里边主要处理的对象还是以文本为主，但是在某些特殊的情况下，文本文件非常巨大，譬如上G的文件。这个时候对文件的查验和比较都是比较麻烦的，尤其对于VIMer而言尤其是困难（由于VIM的设定，是需要将文件全部读入到内存里边，大文件的打开和覆写操作都很慢）。

文件体量

笔者有两个比较大的lib文件，

这两个文件的大小很相近，看文件大小的详情可以有所体会

但是这里请各位小伙伴注意，同样字符长度的lib描述，很有可能只是内容不同，但是文件大小可能非常相近，设置大小完全一致

所以，断言这两个lib的内容有多么一致或者不一致从大小上看是比较困难的。如果采用vimdiff或者unix自带的diff工具，速度会使非常非常慢（VIM基本30分钟没有结果~~）

python的高效处理示例

python里边有很强大的数据结构能力，这里使用zip命令可以非常高效的进行文件比对。先说结论，然后慢慢展开

从以上截图可以看到，使用python进行文件比对，基本在10秒内可以完成两个1.6G文件的比对，其中共找到了19K+的不同行，不同之处可以方便的导出到out.rpt里边。看一下整体行数：

平均来看，基本是2.2M行/秒的比较速度，可以说是秒比也不为过。

核心命令

这个脚本比较简单，其中的核心命令如下：

zip(open(f1), open(f2))

这条命令蕴含着下面几个加速方法

• 直接对文件f1/f2进行迭代，并不去对文件对象使用readlines()的操作。python对于文件操作的时候，open()函数打开的对象就会被直接转换成可迭代对象。当然，数据保留的格式是内部数据结构<class '_io.TextIOWrapper'>。并非list或者str，这样可以大大提升处理速度
  
• zip函数可以对于可迭代对象进行原地打包，并且生成一个新可迭代对象，直接被for...in...调用，效率高出天际。
  

对于可迭代的对象可以直接进行比对，对那些不相等的部分，才进行显式打印，这样的几个操作下来，在大型的文件之间的diff也会变得毫无压力。
案例一小：尽量使用可迭代对象（Iterable）而非直接的显式list/str，可以大幅度的提高运行效率。

案例二：规范的脚本开发思路和策略

在IC设计里边，大部分的工作都是短小的脚本处理，目的就是快速和高效。这种开发思路是有优势的，譬如：数据的快速迭代、抽取、解析、分析以及结果导出。一个合格的IC工程师，可能每天都要面对多个处理和迭代的需求。一周写个三、五个脚本是很稀松平常的。
这样的脚本开发是典型的头疼医头、脚疼医脚的短平快的开发方法。高效，所见即所得是其最大的优势。

常见语言的优缺点

在讨论脚本开发的思路之前，一起看一下常见语言的优缺点：

ICer的脚本开发的几个阶段

语言各有优缺点，唯场景以定之。基于笔者的工作经验来看，脚本的开发有以下几个阶段

• 阶段一：TCL统管一切
  最开始工作的时候，主要的工作场景都是在EDA工具里边。TCL确实好用，和工具的嵌套比较紧密，甚至可以调用shell或者perl脚本，基本可以在工具里边完成大部分事情。一些短平快的脚本基本都用TCL开发。但是随着脚本越来越多，那些随意化的脚本非常的散乱，格式也不统一，由于是EDA based的，很多命令只能在特定的EDA工具里边运行，交互起来缺乏便利性。
  结局：由于以上原因，很多用意类似脚本被反复书写，效率低下，继承性低。

  扫描二维码关注公众号，回复： 14955446 查看本文章

• 阶段二：shell的支持
  shell是直接运行在unix下的语言，可以很好的对unix环境进行调剂和管控，简单编程就可以生成比较好用的胶水工具箱，譬如：R2G流程的联动（SYN->APR->extraction -> PV -> STA etc.），传递参数运行多个并行的后台流程（R2G_run1, R2G_run2 etc.）。但是由于shell语法比较简单的原因，对于结果的解析通常只能使用awk、sed等unix native命令，需要学习独立的语法和用法，这些损耗有时候已经超出shell脚本本身。
  结局：shell脚本很多，但是好用的还是比较少，数据抽取操作弱，对于纠错和容错处理相对困难

• 阶段三：perl的介入
  这个时候，perl的介入就是毋庸置疑了。很多公司的大型仿真、验证环境都是使用perl语言搭建的。数据结构复杂，文本操作方式多，效率也不差。可以完美取代shell成为更为流程可控、输出标准的胶水工具。后端也很喜欢用perl，譬如对timing report进行summary和格式化打印，可以方便的对于每一版本的数据进行归一化比对；再譬如，对于某一个block的R2G运行环境进行迁移的时候，可以使用异常灵活的perl -pie 命令行方式，对所有的脚本文件中特定字串进行高速替换，效率极高。总之，perl对实际常见文本的处理非常高效和方便
  结局：perl文本处理异常强大和高效，但是强大的代价是松散的上下文决定式（context）的语法体系，这个对于后期维护带来了一定的障碍。复杂数据结构的表达较晦涩（reference/dereference），不易操作

• 阶段四：python的出现
  上述三个阶段的文本处理、胶水工具、格式化输出等等复杂的问题。在高级语言python看起来，都不是问题。python和perl都是用C语言编写的初版（perl6以后有使用java编写的可能；python前期的Cpython（使用C编译），后期的Jpython（Java 编译，用于JVM环境）都是一些拓展的话题）。python文本处理没有perl直接，也不支持命令行快速操作模式，但是

  • 规范的语法规则以及PEP8的加持
  • 良好的阅读性和可维护性
  • 复杂数据结构的支持
  • 更类似于高级语言的编程方法和思路

  以上种种，都不失为一个系统化、增量化、可视化、易继承、易维护的一个语言选择。

系统化的解决问题的痛点

通常的工作，都是点滴任务的直接需求，用户可以把这些简单脚本视为一个一个的点脚本。为了日后的可扩展、可维护以及可套叠的长远目标。需要相对统一的开发方式进行各个点脚本的开发，包括但不限于下列的限制和规范：

• 统一的命名方式：蛇形命名法（snake_case）：使用下滑线连接单词进行变量命名：cell_order_reversed
• PEP8 句法 规则：这里并非真正的语法要求，而是python推荐的代码书写风格（coding style），譬如：逗号（‘,’）前边没有空格，后面需要接一个空格等等。具体细节，可以点击查看 PEP8的规范文档。 （Pycharm里边默认就使能了PEP8的代码书写风格检查）
• 局部的、专一的功能尽量使用函数（def）或者类（class）进行描述，减少冗长的代码，并且提高代码维护性的效率。
• 使用main函数进行主程序的执行
• 点脚本的链式集合：过往的点脚本，使用模块的导入（import）的方式进行尽可能的重用和构建
• 脚本的格式化和规范化输出
• 构建具有趋势性的JSON 作为API接口，以供日后使用

ICer的python脚本模板分享

python的理念相当现进，和专家相比，笔者也是初来乍到，结合上述表述，构建了一个简单的python 脚本模板，这里分享出来以飨读者，也欢迎各位ICer使用和讨论：

#!/usr/bin/python3.6 -u
# use -u to support tee meaage in unix

# support Chinese encoding
# -*- coding: utf-8 -*-

# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
# import part
# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
import argparse
import utils_local as ut

# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
# Scripts version info
# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
ver = 'V0.1'
ver_date = 'September 13, 2021'
ver_des = 'initial version.'

ut.ver = ver
ut.ver_date = ver_date
ut.ver_des = ver_des


# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
# CLASS part
# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
class TextParse
    def __init__(self, file):
        self.file = file
        ......
    def get_text_header(self):
        ......
        return XXX


# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
# FUNCTION part
# ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
def parse_argu():
    ......
    return argus

def func_1():
    ......
    return func_1_value
    
def func_2():
    ......
    return func_2_value

def main_run(......):
    ......
    func_1()
    func_2()
    ......
    return main_run_status


# ------------------------------------------------------------
# MAIN part
# ------------------------------------------------------------
if __name__ == '__main__':
    # global variable for main run
    cell_name = "abc"
    setup_margin = 0.3

    # welcome message include scripts version message from local utils
    ut.welcome()

    # args parse
    args = parse_argu()
    
    # Call main run
    main_run(*args)

    # bye message from local utils
    ut.bye()

上述示例可以简单的提供一个python的开发模板，按照这种格式化的模板，利用本地工具模块（utils_local.py）可以方便的进行格式化（welcome 、bye message）的输出打印。就算后期需要调整打印格式（尽量避免），也可以通过只改动这个模块文件进行同意刷新（new-face）。
python是强大的高级语言，使用python可以设立更大的目标，如果未来想实现更为复杂、结构化的脚本环境，建议读者们可以从现在就向python靠拢。设想在不远的未来，可以将一个个简单的点脚本串接在一起呈现出系统化、结构化的工具箱式的工具包，提供给各位ICer使用。

本章词汇

【敲黑板划重点】

python的潜力大、可维护性好，是构建大型ICer工作环境和复杂脚本的优选语言之一

参考资料

艾思 自研python脚本big_file_diff.py：大型文件对比
www.python.org