侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

python筛选出两个文件中重复行的方法

Python  /  管理员 发布于 7年前   232

本文实例为大家分享了python脚本筛选出两个文件中重复的行数,供大家参考,具体内容如下

'''查找A文件中,与B文件中内容不重复的内容'''#!usr/bin/pythonimport sysimport os'''字符串查找函数,使用二分查找法在列表中进行查询'''def binarySearch(value, lines):  right = len(lines) - 1  left = 0  a = value.strip()  while left <= right:    middle = int((right + left + 1)/2)    b = lines[middle].strip()    if a == b:      return 1    if a < b:      right = middle - 1    else:      left = middle + 1  return 0DPT = 100000 # DPT 是Data Per File的意思fileAName = sys.argv[1];fileBName = sys.argv[2];#STEP1:先拆掉B文件,作为比较基准,临时文件命名为temp1,temp2,...,tempNprint("拆分比对文件...\n")fB = open(fileBName)tempFileNo = 1tempFileName = "temp{0}".format(tempFileNo)fTemp = open(tempFileName, "w+")line = fB.readline()lineCount = 0while line:  if lineCount >= DPT:    fTemp.flush()    fTemp.close()    tempFileNo = tempFileNo + 1    tempFileName = "temp{0}".format(tempFileNo)    fTemp = open(tempFileName, "w+")    lineCount = 0  fTemp.write(line)  lineCount = lineCount + 1  line = fB.readline()  fTemp.flush()fTemp.close()fB.close()print("拆分完成,一共{0}个临时文件,{1}条数据。\n".format(tempFileNo, (tempFileNo-1)*DPT + lineCount))#STEP2:把A文件与B文件拆出来的临时文件逐个进行比较,将结果轮流写入文件result0, result1#    最后写入的result文件就是最终结果fA = open(fileAName)resultTempFile = {"result0", "result1"};tempIndex = 0fOut = open("repeat", "w+")repeatCount = 0for i in range(1, tempFileNo + 1):  print("比较第{0}个临时文件...\n".format(i))  if 0 == tempIndex:    resultTempFile = "result0"       tempIndex = 1  else:    resultTempFile = "result1"    tempIndex = 0  fResult = open(resultTempFile, "w+")  fTemp = open("temp{0}".format(i))  lineSet = fTemp.readlines()  fTemp.close()  lineList = list(lineSet)  lineList.sort()  line = fA.readline()  while line:    if 0 == binarySearch(line, lineList):      fResult.write(line)    else:      fOut.write(line)      repeatCount = repeatCount + 1    line = fA.readline()  fA.close()  fResult.flush()  fResult.close()  fA = open(resultTempFile)fA.close()fOut.flush()fOut.close()print("比较完成,重复数据{0}条".format(repeatCount))os.rename(resultTempFile, "result")#STEP3:结束后把临时文件都删掉print("删除临时文件...\n")while tempFileNo > 0:  tempFileName = "temp{0}".format(tempFileNo)  os.remove(tempFileName)  tempFileNo = tempFileNo - 1print("脚本结束。\n")

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。


  • 上一条:
    Python处理命令行参数模块optpars用法实例分析
    下一条:
    python删除文本中行数标签的方法
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf文件功能(0个评论)
    • Laravel从Accel获得5700万美元A轮融资(0个评论)
    • 在go + gin中gorm实现指定搜索/区间搜索分页列表功能接口实例(0个评论)
    • 在go语言中实现IP/CIDR的ip和netmask互转及IP段形式互转及ip是否存在IP/CIDR(0个评论)
    • PHP 8.4 Alpha 1现已发布!(0个评论)
    • Laravel 11.15版本发布 - Eloquent Builder中添加的泛型(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客