Question

我正在开发一个统计机器翻译项目，我在文件夹中有15个文件（linenumberfiles /）。每个文件包含以下格式的多个行号（每行一行号）：

12

15

19

我想从15个文件中的每个文件中提取10个随机行号到单个输出文件（OutputLinesFile）。棘手的部分是一些文件可能包含少于10个行号，在这种情况下我会喜欢从输出文件中提取尽可能多的行号。输出文件的格式应与输入文件的格式相同（每行一个行号）。这是我到目前为止的代码：

import glob
OutputLinesFile = open('OutputLineNumbers', 'w')
inputfiles=glob.glob('linenumberfiles/*')

for file in inputfiles:
    readfile=open(file).readlines()
    OutputLinesFile.write( str(readfile) )
OutputLinesFile.close()

有没有人有任何想法如何解决这个问题？提前，谢谢你的帮助！

Answer 1

您可以使用random.shuffle并在此处列出切片：

import glob
import random
count = 10      #fetch at least this number of lines

with open('OutputLineNumbers', 'w') as fout:
   inputfiles=glob.glob('linenumberfiles/*')
   for file in inputfiles:
       with open(file) as f:
           lines = f.readlines()
           random.shuffle(lines)             #shuffle the lines
       fout.writelines(lines[:count]) #pick at most first 10 lines

或使用random.randrange：

lines = f.readlines()
lines = [ lines[random.randrange(0, len(lines)] for _ in xrange(count) ]

然后：fout.writelines(lines)

Answer 2

首先，您应该使用with语句。在这里阅读why。例如：

try:
    with open(file, 'r') as f:
        cont = f.readlines()
except IOError, err:
    print err

然后你应该看一下random模块。要从f中选择随机项，请使用sample - 方法。要检查输入文件中有多少行，只需使用BIF len()。

如何从多个文件中提取行号到单个文件

2 个答案: