humanize.naturalsize() 函数简介及问题阐述
humanize 库是 python 中一个非常实用的工具，它能够将数字转换为更易于人类阅读的格式。其中，naturalsize() 函数常用于将字节数转换为带有单位（如 kb, mb, gb）的字符串。例如，1048576 字节可以被格式化为 1mb。
然而，当我们需要精确控制小数位数时，通常会通过 format 参数传入一个格式字符串，例如 %.2f 表示保留两位小数。此时，humanize.naturalsize() 的行为可能不完全符合预期：当小数部分恰好为零时，它会输出如 "1.00M" 这样的字符串，而不是更简洁的 "1M"。
考虑以下示例代码：
import humanize
format_str = "%.2f"
raw1 = 1_048_576 # 1MB
raw2 = 1_058_576 # 1.01MB (approximately)
print(f"原始输出1: {humanize.naturalsize(raw1, format=format_str, gnu=True)}")
print(f"原始输出2: {humanize.naturalsize(raw2, format=format_str, gnu=True)}")上述代码的输出将是：
原始输出1: 1.00M 原始输出2: 1.01M
我们的目标是希望 1.00M 能够显示为 1M，而 1.01M 保持不变。直接修改 format 参数无法实现这种条件性的尾随零移除，因为 %.2f 会强制保留两位小数。
立即学习“Python免费学习笔记（深入）”；
解决方案：字符串后处理与正则表达式
为了达到预期的效果，我们需要对 humanize.naturalsize() 函数的输出结果进行二次处理。最有效的方法是利用正则表达式来识别并移除那些紧跟单位的 .00 或 .0。
核心思路是创建一个包装函数，在该函数内部调用 humanize.naturalsize()，然后使用 re.sub() 对结果字符串进行替换。
实现步骤
- 导入 re 模块：用于正则表达式操作。
- 定义一个自定义格式化函数：该函数将接收原始数字和可选的 format 字符串。
- 在函数内部调用 humanize.naturalsize()：获取初步格式化的字符串。
-
使用 re.sub() 进行替换：
-
正则表达式 r"\.0+(?=\D)" 解析：
- \.: 匹配一个字面量点号 (.)。
- 0+: 匹配一个或多个零。这意味着它会匹配 .0、.00、.000 等。
- (?=\D): 这是一个正向先行断言 (positive lookahead assertion)。它表示匹配的零后面必须紧跟着一个非数字字符 (\D)。这非常关键，因为它确保我们只移除单位前的 .00，而不会影响到像 1.01M 中 01 这样的有效数字部分。非数字字符通常是 M, K, G, T 等单位。
- 替换字符串 ""：将匹配到的模式替换为空字符串，从而实现移除效果。
-
正则表达式 r"\.0+(?=\D)" 解析：
示例代码
import re
import humanize
def my_format_naturalsize(num: int, fmt: str = "%.2f") -> str:
"""
格式化数字大小，并移除单位前多余的尾随零。
Args:
num (int): 待格式化的字节数。
fmt (str): humanize.naturalsize() 内部使用的格式字符串，默认为 "%.2f"。
Returns:
str: 格式化后的字符串，例如 "1M" 或 "1.01M"。
"""
# 1. 使用 humanize.naturalsize 获取初步格式化结果
n = humanize.naturalsize(num, format=fmt, gnu=True)
# 2. 使用正则表达式移除单位前多余的 ".0+"
# r"\.0+(?=\D)" 匹配一个点后跟一个或多个零，且这些零后面是非数字字符
cleaned_n = re.sub(r"\.0+(?=\D)", "", n)
return cleaned_n
# 测试数据
raw1 = 1_048_576 # 1MB
raw2 = 1_058_576 # 1.01MB (approximately)
raw3 = 2_097_152 # 2MB
raw4 = 2_100_000 # 2.00MB -> 2MB (if .00 is removed)
# 使用自定义函数进行格式化
print(f"优化输出1: {my_format_naturalsize(raw1)}")
print(f"优化输出2: {my_format_naturalsize(raw2)}")
print(f"优化输出3: {my_format_naturalsize(raw3)}")
print(f"优化输出4: {my_format_naturalsize(raw4)}")输出结果
优化输出1: 1M 优化输出2: 1.01M 优化输出3: 2M 优化输出4: 2M
可以看到，通过 my_format_naturalsize 函数处理后，1.00M 成功变为 1M，而 1.01M 则保持不变，完美地解决了问题。
注意事项与总结
- 灵活性：此方法将格式化和尾随零移除解耦，提供了更高的灵活性。你可以根据需要调整 fmt 参数来控制非零小数的显示精度，而尾随零的移除逻辑保持不变。
- gnu=True 参数：在 humanize.naturalsize() 中使用 gnu=True 参数通常是为了遵循 GNU 标准，即使用 1024 进制（KiB, MiB 等）而非 1000 进制（KB, MB 等），并可能影响单位的显示。在我们的场景中，它不直接影响尾随零的移除逻辑，但为了保持与原始问题的上下文一致，我们保留了它。
- 正则表达式的精确性：(?=\D) 这一先行断言是确保正则表达式不会错误地移除有效数字（例如 1.01M 中的 01）的关键。如果您的 humanize.naturalsize 输出可能包含其他非单位字符，您可能需要微调正则表达式。
- 性能考量：对于大规模的数据格式化，引入正则表达式的字符串处理会比纯数字运算略慢。然而，对于大多数应用场景，这种性能开销是微不足道的，且带来的可读性提升远大于此。
通过这种后处理策略，我们能够在使用 humanize.naturalsize() 函数时，获得既精确又简洁的输出，显著提升数据展示的用户体验。这种模式在处理需要特定格式但内置函数无法完全满足的场景时，具有广泛的适用性。
