Question

我有一个由包含2个字符串的元组组成的列表第一个是校验和，第二个是相应文件的名称有没有快速的方法来搜索重复的校验和并返回相应的文件名？

例如：

[("sumstring1","abc.txt"),("sumstring2","def.txt"),("sumstring1","ghi.txt"),("sumstring2","jkl.txt")]
-->
    [("abc.txt","ghi.txt"),("def.txt","jkl.txt")]

我尝试制作两个不同的列表，一个是cheksums，另一个是文件名。然后我使用collections.Counter来查找重复的校验和。使用list.index()我从其他列表中获取了索引和相应的文件名，如下所示：

csList=["sumstring1","sumstring2","sumstring1","sumstring2"]
fnList=["abc.txt","def.txt","ghi.txt","jkl.txt"]
indexList=[]

multiList=[(k,v) for k,v in collections.Counter(csList).items() if v>1]

（在这种情况下，multiList将为[("sumstring1",2),("sumstring2",2)]）

for elem in multiList:
    temp=()
    for i in range(elem[1]):
        temp+=(csList.index(elem[0]),)
        csList.remove(elem[0])
    indexList.append(temp)

这给了我一个列表，其中包含重复文件（[(0,2),(1,3)]）的索引，然后我可以使用它来查找文件名。

这很有效，但非常难看。是否有一个更简单，更多＆＃34; python＆＃34;这样做的方法？

Answer 1

您几乎不想在列表中使用index。迭代时跟踪你的位置;不要试图从价值中再次找到你的位置。

在这种情况下，你真正想要的是一个＆＃34; multidict＆＃34;，一个将键映射到值集合的字典。在这种情况下，校验和到名称集合。然后，任何映射到一组多于一个名称的校验和，它都是双重的，并且该集合恰好是您要打印出来的名称列表，所以它只需要。

在Python中，multidict通常表示为dict，其值为列表或集合。您可以使用元组，正如您尝试的那样，它将工作 - 但从概念上讲，它们通常代表固定长度的异构值集合，其中a的索引值告诉你它的含义。我们这里有任意长度。同质的价值集合，其中指数毫无意义，甚至订单也毫无意义。这是一套，而不是一个元组。（如果订单没有意义，那么它可以是列表，也可以是OrderedSet。）

例如：

>>> pairs = [("sumstring1","abc.txt"), ("sumstring2","def.txt"),
...          ("sumstring1","ghi.txt"), ("sumstring2","jkl.txt")]
>>> dups = collections.defaultdict(set)
>>> for checksum, name in pairs:
...     dups[checksum].add(name)
>>> dups
defaultdict(<class 'set'>, {'sumstring1': {'ghi.txt', 'abc.txt'}, 'sumstring2': {'def.txt', 'jkl.txt'}})

消除任何非重复：

>>> dups = {checksum: names for checksum, names in dups.items() if len(names) > 1}
>>> dups
{'sumstring1': {'abc.txt', 'ghi.txt'}, 'sumstring2': {'def.txt', 'jkl.txt'}}

（当然我们在你的例子中没有任何非重复内容，所以这并不令人兴奋）。

如果您不关心校验和，只需要一组集合：

>>> dups = list(dups.values())

如果由于某种原因你真的想要元组而不是集合：

>>> dups = [tuple(names) for names in dups.values()]
>>> dups
[('ghi.txt', 'abc.txt'), ('def.txt', 'jkl.txt')]

Answer 2

你想要的是dictionary。这将为您提供即时查找时间，并将消除重复的密钥。

d = {}
d['sumstring1'] = 'abc.txt'
d.get('sumstring1')
>>> 'abc.txt'
d['sumstring1']
>>> 'abc.txt'

您无法两次添加密钥，因此如果您执行以下操作：

d['sumstring1'] = 'def.txt'

您将使用新值替换旧值。

要记录多个结果，您只需将列表存储在字典列表中即可：

d['sumstring2'] = ['ghi.txt', 'jkl.txt']

Answer 3

你可以使用字典。

tuples = [("sumstring1","abc.txt"),("sumstring2","def.txt"),("sumstring1","ghi.txt"),("sumstring2","jkl.txt")]

lookup = {}
for checksum, filename in tuples:
    lookup.setdefault(checksum, []).append(filename)

for checksum, filenames in lookup.items():
    if len(filenames) >= 2:
        print(checksum, filenames)

输出

sumstring1 ['abc.txt', 'ghi.txt']
sumstring2 ['def.txt', 'jkl.txt']

在元组列表中，如果元组[0]与列表中的另一个元组[0]重复，则返回元组[1]

3 个答案: