1

我有两个长列表，一个来自一个日志文件，其中包含格式如下的行

201001050843 blah blah blah <email@site.com> blah blah

以及 csv 格式的第二个文件。我需要生成 file2 中不包含日志文件中电子邮件地址的所有条目的列表，同时保持 csv 格式。

示例
日志文件包含：

201001050843 blah blah blah <email@site.com> blah blah
201001050843 blah blah blah <email2@site.com> blah blah

文件 2 包含：

156456,bob,sagget,email@site.com,4564456
156464,bob,otherguy,email@anothersite.com,45644562

输出应该是：

156464,bob,otherguy,email@anothersite.com,45644562

目前我从日志中获取电子邮件并将它们加载到另一个列表中：

sent_emails =[]
for line in sent:
    try:
        temp1= line.index('<')
        temp2 = line.index('>')
        sent_emails.append(line[temp1+1:temp2])
    except ValueError:
        pass

然后与 file2 比较：

lista = mail_lista.readlines()
for line in lista:
    temp = line.split()
    for thing in temp:
        try:
            if thing.index('@'):
                if thing in sent_emails:
                    lista.remove(temp)
        except ValueError:
            pass
newa.writelines(lista)

或者：

for line in mail_listb:
    temp = line.split()
    for thing in temp:
        try:
            if thing.index('@'):
                if thing not in sent_emails:
                    newb.write(line)
        except ValueError:
            pass

但是，两者都返回所有 file2！

谢谢你提供的所有帮助。

编辑：感谢您对套装的建议，它产生的速度差异比我想象的要大。去哈希表的方法！从现在开始，我肯定会更频繁地使用套装。

4

3 回答 3

1

line.split()在空白处分裂。改为使用line.split(',')。

另外：行的顺序重要吗？如果不是，那么您应该真正使用 aset()而不是列表。这将使代码更快。

于 2010-01-05T17:23:04.973 回答
1

您可以按照自己的方式创建电子邮件集，然后：

# emails is a set of emails
for line in fileinput.input("csvfile.csv",inplace =1):
    parts = line.split(',')
    if parts[3] not in emails:
        print line

这仅适用于 CSV 文件中的电子邮件始终位于位置 4 的情况。

fileinput启用就地编辑。

并使用一组电子邮件而不是 Aaron 所说的列表，这不仅是因为速度，而且是为了消除重复。

于 2010-01-05T17:31:37.140 回答
0

这是另一种方式，对电子邮件地址的位置进行简单检查。

import fileinput
emails=[]
for line in open("file1"):
    start=line.find("<")
    end=line.find(">")
    if start != -1 and end !=-1:
        emails.append(line[start+1:end])

for line in fileinput.FileInput("file2",inplace=1):
    p = line.split(",")
    for item in p:
        if "@" in item and item not in emails:
            print line.strip()

输出

$ ./python.py
156464,bob,otherguy,email@anothersite.com,45644562
于 2010-01-06T00:39:23.043 回答