Python实现文件重复字段去重的两种方法
本文介绍Python中删除文件重复字段的两种实现方式。第一种方法通过遍历列表判断元素是否存在,将不重复内容写入新文件;第二种方法利用Python集合(set)特性快速去除文本中的重复字符。文章包含完整代码示例,适用于日志文件或普通文本的数据清洗场景。
Python删除文件重复字段方法概述
本文分享Python中删除文件内重复字段的具体实现代码,供读者参考。
处理逻辑是将原文件内容加载至列表中,随后逐行检查新文件内容。若某行未出现在列表中,则将其写入第三个目标文件。
基于列表遍历的文件去重实现
import csv
filetxt1 = 'E:/gg/log/log1.txt'
filecsv1 = 'E:/gg/log/log1.csv'
filecsv2 = 'E:/gg/log/log2.csv'
filecsv3 = 'E:/gg/log/log3.csv'
class operFileCsv():
def __init__(self, filename=None):
self.filename = filename
def readCsvFile(self):
readCsvHandler = open(self.filename, 'r')
filelines = csv.reader(readCsvHandler, dialect='excel')
for fileline in filelines:
print(fileline)
readCsvHandler.close
def writeCsvFile(self, writeline):
writeCsvHandler = open(self.filename, 'a', newline='')
csvWrite = csv.writer(writeCsvHandler, dialect='excel', )
csvWrite.writerow(writeline)
writeCsvHandler.close()
class getLogBuffFromFile():
def __init__(self):
self.logBuff1 = []
def getLog1Buff(self, filename):
with open(filename) as filehandler:
while True:
logOneLine = filehandler.readline().strip()
if not logOneLine:
break
self.logBuff1.append(logOneLine)
# print('TRACE: The log1 has ', len(self.logBuff1), ' lines.')
return self.logBuff1
def getLog2Buff(self, logOneLine):
pass
class deleteIterantLog():
def __init__(self):
self.logBuff1List = None
self.logBuff2OneLine = None
def deleteProcedure(self, oldlog, newlog, createlog):
self.logBuff1List = getLogBuffFromFile().getLog1Buff(oldlog)
self.dealProcedure(newlog, createlog)
def dealProcedure(self, file1name, file2name):
with open(file1name, 'r') as readCsvHandler:
filelines = csv.reader(readCsvHandler, dialect='excel')
for fileline in filelines:
if fileline[1] not in self.logBuff1List:
operFileCsv(file2name).writeCsvFile(fileline)
if __name__ == '__main__':
deleteIterantLog().deleteProcedure(filetxt1, filecsv2, filecsv3)
此外,还介绍一种利用Python集合(set)去除文本中重复字符的方法。
利用集合去除文本重复字符
import os,sys,datetime
import codecs
with open('aaaaa.txt', 'r') as f: #读入文本中的文件
l = f.readlines() # txt中所有字符串读入data
x=set(l[0])
for i in range(1,len(l)):
x.update(l[i])
s="".join(list(x))
print(s)
with open('result.txt','wb') as f1: #把结果写到文件result中
b=bytes(s,encoding="utf-8")
f1.write(b)
如需了解Python环境搭建,可参考《python各版本安装教程》。
更多精选编程资源,请访问python编程必备书单。
可领取零基础入门学习Python的视频教程资料。
以上就是本文的全部内容,希望能为读者的学习提供助力,欢迎继续支持本站。
本站声明
本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。













