Question

我有两个文本文件，“animals.txt”和“colors.txt”，如下所示，每行中的2个字符串由一个标签分隔。

“animals.txt”

12345  dog

23456  sheep

34567  pig

“colors.txt”

34567  pink

12345  black

23456  white

我想写下以下代码的Python代码：

对于“animals.txt”中的每一行，取第一列中的字符串（12345，然后是23456，然后是34567）
将此字符串与“colors.txt”
如果找到匹配项（12345 == 12345等），则会写入两个输出文件：

output1，包含animals.txt的行+ colors.txt第二列中与查询值（12345）对应的值：

12345 dog   black
23456 sheep white
34567 pig   pink

output2包含colors.txt第二列中与查询值对应的值列表（12345，然后是23456，然后是34567））：

black
white
pink

Answer 1

如果顺序无关紧要，这就变成了一个非常简单的问题：

with open('animals.txt') as f1, open('colors.txt') as f2:
    animals = {} 
    for line in f1:
        animal_id, animal_type = line.split('\t')
        animals[animal_id] = animal_type

    #animals = dict(map(str.split,f1)) would work instead of the above loop if there are no multi-word entries.

    colors={}
    for line in f2:
        color_id, color_name = line.split('\t')
        colors[color_id] = color_name

    #colors = dict(map(str.split,f2)) would work instead of the above loop if there are no multi-word entries.
    #Thanks @Sven for pointing this out.

common=set(animals.keys()) & set(colors.keys())  #set intersection. 
with open('output1.txt','w') as f1, open('output2.txt','w') as f2:
     for i in common:  #sorted(common,key=int) #would work here to sort.
         f1.write("%s\t%s\t%s\n"%(i,animals[i],colors[i])
         f2.write("%s"%colors[i])

您可以通过defaultdict更优雅地执行此操作，在遇到特定键时将其附加到列表中，然后在编写时，在输出之前测试列表的长度为2但是，我不相信这种方法更好。

Answer 2

你需要使用python吗？如果您使用bash并且输入未排序，请执行以下操作：

$ join -t $'\t' <( sort animals.txt ) <( sort colors.txt ) > output1
$ cut -f 3 output1 > output2

如果您没有支持进程替换的shell，请对输入文件进行排序并执行：

$ join -t '<tab>' animals.txt colors.txt > output1
$ cut -f 3 output1 > output2

其中<tab>是实际制表符。根据您的shell，您可以使用ctrl-V然后使用Tab键输入它。（或者使用不同的分隔符进行剪切。）

Answer 3

我会用pandas

animals, colors = read_table('animals.txt', index_col=0), read_table('colors.txt', index_col=0)
df = animals.join(colors)

结果：

animals.join(colors)
Out[73]: 
       animal  color
id
12345  dog     black
23456  sheep   white
34567  pig     pink

然后按id到文件的顺序输出颜色：

df.color.to_csv(r'out.csv', index=False)

如果您无法将列标题添加到文本文件中，可以在导入时添加它们

animals = read_table('animals.txt', index_col=0, names=['id','animal'])

Answer 4

假设输入文件中的每一行的结构与示例完全相同：

with open("c:\\python27\\output1.txt","w") as out1, \ 
     open("c:\\python27\\output2.txt","w") as out2:

    for outline in [animal[0]+"\t"+animal[1]+"\t"+color[1] \
                    for animal in [line.strip('\n').split("\t") \
                    for line in open("c:\\python27\\animals.txt","r").readlines()] \
                    for color in [line.strip('\n').split("\t") \
                    for line in open("c:\\python27\\colors.txt","r").readlines()] \
                    if animal[0] == color[0]]:

        out1.write(outline+'\n')
        out2.write(outline[outline.rfind('\t')+1:]+'\n')

我认为那会为你做。

也许不是最优雅/快速/清晰的方法 - 但很短。从技术上讲，这是4行，我相信。

python，比较位于两个不同文本文件中的列中的字符串

4 个答案: