import tensorflow as tf

import os

def csvread(filelist):

    '''

    读取CSV文件

    :param filename:  路径+文件名的列表

    :return: 读取内容

    '''

    # 1. 构造文件的队列

    file_queue = tf.train.string_input_producer(filelist)

    # 2. 构造csv阅读器读取队列数据（按一行）

    reader = tf.TextLineReader()

    key,value = reader.read(file_queue)

    # 3.对每行内容解码

    # record_defaults:指定每一个样本的每一列的类型，指定默认值[['None'],[4.0]]

    records = [['None'],['None']]

    example,label = tf.decode_csv(value,record_defaults=records)

    # batch_size跟队列，数据的数量没有影响，只决定这批次取多少数据

    # 4. 想要读取多个数据，就需要批处理

    example_batch,label_batch = tf.train.batch([example,label],batch_size=9,num_threads=1,capacity=9)

    # print(example,label)

    return example_batch,label_batch

if __name__ == '__main__':

    # 找到文件，构建列表

    filename = os.listdir('./data/csvdata/')

    # 拼接路径 重新组成列表

    filelist = [os.path.join('./data/csvdata/',file) for file in filename]

    # 调用函数传参

    example_batch,label_batch = csvread(filelist)

    # 开启会话

    with tf.Session() as sess:

        # 定义一个线程协调器

        coord = tf.train.Coordinator()

        # 开启读文件的线程

        threads = tf.train.start_queue_runners(sess,coord=coord)

        # 打印读取的内容

        print(sess.run([example_batch,label_batch]))

        # 回收子线程

        coord.request_stop()

        coord.join(threads)