python筛选出两个文件中重复行的方法


Posted in Python onMay 31, 2018

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/python

import sys
import 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 0

DPT = 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,...,tempN
print("拆分比对文件...\n")
fB = open(fileBName)
tempFileNo = 1
tempFileName = "temp{0}".format(tempFileNo)
fTemp = open(tempFileName, "w+")
line = fB.readline()
lineCount = 0
while 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 = 0
fOut = open("repeat", "w+")
repeatCount = 0
for 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 - 1

print("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三水点靠木。

Python 相关文章推荐
用Python实现通过哈希算法检测图片重复的教程
Apr 02 Python
Python实现的Google IP 可用性检测脚本
Apr 23 Python
python抓取最新博客内容并生成Rss
May 17 Python
Python Socket实现简单TCP Server/client功能示例
Aug 05 Python
Python2与python3中 for 循环语句基础与实例分析
Nov 20 Python
Tensorflow 自带可视化Tensorboard使用方法(附项目代码)
Feb 10 Python
Python爬虫使用Selenium+PhantomJS抓取Ajax和动态HTML内容
Feb 23 Python
idea创建springMVC框架和配置小文件的教程图解
Sep 18 Python
Python实现一个简单的递归下降分析器
Aug 01 Python
python中Django文件上传方法详解
Aug 05 Python
pyqt5实现井字棋的示例代码
Dec 07 Python
opencv实现图像平移效果
Mar 24 Python
python删除文本中行数标签的方法
May 31 #Python
Python使用wget实现下载网络文件功能示例
May 31 #Python
Python使用progressbar模块实现的显示进度条功能
May 31 #Python
python调用Matplotlib绘制分布点并且添加标签
May 31 #Python
python批量修改文件编码格式的方法
May 31 #Python
Python用for循环实现九九乘法表
May 31 #Python
python实现txt文件格式转换为arff格式
May 31 #Python
You might like
用phpmyadmin更改mysql5.0登录密码
2008/03/25 PHP
PHP计算指定日期所在周的开始和结束日期的方法
2015/03/24 PHP
PHP Hash算法:Times33算法代码实例
2015/05/13 PHP
smarty内部日期函数html_select_date()用法实例分析
2015/07/08 PHP
利用laravel+ajax实现文件上传功能方法示例
2017/08/13 PHP
JavaScript定义类或函数的几种方式小结
2011/01/09 Javascript
DIV+CSS+JS不间断横向滚动实现代码
2013/03/19 Javascript
JavaScript prototype 使用介绍
2013/08/29 Javascript
jQuery中验证表单提交方式及序列化表单内容的实现
2014/01/06 Javascript
JavaScript中的值是按值传递还是按引用传递问题探讨
2015/01/30 Javascript
JavaScript比较两个对象是否相等的方法
2015/02/06 Javascript
jQuery实现点击后标记当前菜单位置(背景高亮菜单)效果
2015/08/22 Javascript
JavaScript驾驭网页-DOM
2016/03/24 Javascript
深入浅出 jQuery中的事件机制
2016/08/23 Javascript
vue多级多选菜单组件开发
2020/09/08 Javascript
详解PHP中pathinfo()函数导致的安全问题
2017/01/05 Javascript
JavaScript之DOM_动力节点Java学院整理
2017/07/03 Javascript
JavaScript中Require调用js的实例分享
2017/10/27 Javascript
ES6中Class类的静态方法实例小结
2017/10/28 Javascript
详解Vue源码中一些util函数
2019/04/24 Javascript
9种方法优化jQuery代码详解
2020/02/04 jQuery
vue.js使用v-model实现父子组件间的双向通信示例
2020/02/05 Javascript
[01:03:37]Secret vs VGJ.S Supermajor小组赛C组 BO3 第二场 6.3
2018/06/04 DOTA
Python中一些自然语言工具的使用的入门教程
2015/04/13 Python
CentOS 7下Python 2.7升级至Python3.6.1的实战教程
2017/07/06 Python
Python数据结构与算法之列表(链表,linked list)简单实现
2017/10/30 Python
python pandas库中DataFrame对行和列的操作实例讲解
2018/06/09 Python
Python3.5运算符操作实例详解
2019/04/25 Python
python的turtle库使用详解
2019/05/10 Python
Python正则表达式匹配和提取IP地址
2019/06/06 Python
阿联酋电子产品购物网站:Menakart
2017/09/15 全球购物
写给老婆的检讨书
2014/02/21 职场文书
投标授权委托书范文
2014/08/02 职场文书
六年级学生评语大全
2014/12/26 职场文书
死磕 java同步系列之synchronized解析
2021/06/28 Java/Android
你需要掌握的20个Python常用技巧
2022/02/28 Python