快捷導(dǎo)航

Python做文本按行去重的實(shí)現(xiàn)方法

更新時間：2016年10月19日 10:33:37 作者：aaa1111sss

每行在promotion后面包含一些數(shù)字，如果這些數(shù)字是相同的，則認(rèn)為是相同的行，對于相同的行，只保留一行。接下來通過本文給大家介紹Python做文本按行去重的實(shí)現(xiàn)方法，感興趣的朋友一起看看吧

文本：

每行在promotion后面包含一些數(shù)字，如果這些數(shù)字是相同的，則認(rèn)為是相同的行，對于相同的行，只保留一行。

思路：

根據(jù)字典和字符串切割。

建立一個空字典。

讀入文本，并對每行切割前半部分，在讀入文本的過程中循環(huán)在這個字典中查找，如果沒找到，則寫入該行到字典。否則，則表示該行已經(jīng)被寫入過字典了（即出現(xiàn)重復(fù)的行了），不再寫入字典，這就實(shí)現(xiàn)了對于重復(fù)的行只保留一行的目的。

文本如下:

/promotion/232 utm_source
/promotion/237 LandingPage/borrowExtend/? ;
/promotion/25113 LandingPage/mhd
/promotion/25113 LandingPage/mhd
/promotion/25199 com/LandingPage
/promotion/254 LandingPage/mhd/mhd4/? ;
/promotion/259 LandingPage/ydy/? ;
/promotion/25113 LandingPage/mhd
/promotion/25199 com/LandingPage
/promotion/25199 com/LandingPage

程序如下:

line_dict_uniq = dict()
with open('1.txt','r') as fd:
for line in fd:
key = line.split(' ')[0]
if key not in line_dict_uniq.values():
line_dict_uniq[key] = line
else:
continue
print line_dict_uniq 
print len(line_dict_uniq)
# 這里是打印了不重復(fù)的行（重復(fù)的只打印一次），實(shí)際再把這個結(jié)果寫入文件就可以了，
# 就不寫這段寫入文件的代碼了

上面這個程序執(zhí)行效率比較低，改成如下會提高一些:

line_dict_uniq = dict()
with open('1.txt','r') as fd:
for line in fd:
key = line.split(' ')[0]
if key not in line_dict_uniq.keys():
line_dict_uniq[key] = line
else:
continue
print line_dict_uniq
print len(line_dict_uniq)

繼續(xù)補(bǔ)充一個函數(shù)

# -*- coding: utf-8 -*-
'''
只使用與較小的文件，比較大的文件運(yùn)行時間長
'''
def quchong(infile,outfile):

  infopen = open(infile,'r',encoding='utf-8')
  outopen = open(outfile,'w',encoding='utf-8')
  lines = infopen.readlines()
  list_1 = []
  for line in lines:
    if line not in list_1:
      list_1.append(line)
      outopen.write(line)
  infopen.close()
  outopen.close()
quchong("源文件路徑","目標(biāo)文件路徑")

以上所述是小編給大家介紹的Python做文本按行去重，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！

您可能感興趣的文章: