如何打印不包含其他文件中的任何字符串的文件的行

Question

我有两个文件，并希望找到第二个文件中不包含第一个使用python的任何字符串的所有行。

文件1：

Apples
Frogs
Beans
Dogs
Lemons
Oranges

文件2：

Frogs THAKJD
Beans THSHSKOO
Cats HHLFKDKDOS
Dogs PHOODLLSI PSODIW
Lemons OOPOETHTH ROROR
Berries GGHLSKSKSJD JSJSJS
Apples THKDHS
Oranges EHTHTJEJ

期望的输出：

Berries GGHLSKSKSJD JSJSJS
Cats HHLFKDKDOS

我开始编写这个脚本（下面）但后来意识到它打印出第二个文件中的每一行，它不包含第一个文件中的每个单词，对于第一个文件的每次迭代。有人可以帮忙吗？

import sys

headers = list()

with open(sys.argv[1], 'r') as search_list:
    for line in search_list:
        headers.append(line.rstrip())

for record in open(sys.argv[2], 'r'):
    for head in headers:
        if head not in record:
            print record

Answer 1

以下是一段代码：

expected_lines = [line.strip() for line in open('file1', 'r').readlines()]
absent_lines = []

for line in open('file2', 'r'):
    exists = False
    for expected in expected_lines:
        if expected in line:
            exists = True

    if not exists:
        absent_lines.append(line.strip())

print absent_lines

输出继电器：

['Cats HHLFKDKDOS', 'Berries GGHLSKSKSJD JSJSJS']

它做什么

1提取预期行

expected_lines = [line.strip() for line in open('file1', 'r').readlines()]

此行创建file1中所有已剥离行的列表（在每行末尾删除以删除\n）

2。初始化输出列表

absent_lines = []

这只是您要存储要输出的行的列表

3。循环在file2＆amp;寻找缺席线

for循环只是迭代file2中的行，并检查当前file1行中是否存在来自file2的预期行。

因为你想测试字符串中是否存在单词，所以在确定任何单词存在之前，你必须遍历所有单词集。

4。如果没有匹配，则附加到输出列表

    if not exists:
        absent_lines.append(line.strip())

如果您不想存储输出但只打印输出，那么您只需将absent_lines.append(line.strip())替换为print line

Answer 2

一切都很好，你只需要改变你的上一个loop：

for record in open(sys.argv[2], 'r'):
    if record.split()[0] not in headers:
        print(record.strip())

Cats HHLFKDKDOS
Berries GGHLSKSKSJD JSJSJS

Answer 3

您可以使用集合运算符

import sys

headings = set(open(sys.argv[1], "r").read().split('\n'))

for record in open(sys.argv[2], 'r'):
    r = set(record.split(' ')
    if len(headings.intersection(r)) == 0:
        print record

Answer 4

你也可以使用正则表达式联盟：

file_1 = """Apples
Frogs
Beans
Dogs
Lemons
Oranges"""

import re
avoid_words = re.compile('|'.join(re.escape(word) for word in file_1.splitlines()))
# Apples|Frogs|Beans|Dogs|Lemons|Oranges

并拒绝符合此模式的行：

file_2 = """Frogs THAKJD
Beans THSHSKOO
Cats HHLFKDKDOS
Dogs PHOODLLSI PSODIW
Lemons OOPOETHTH ROROR
Berries GGHLSKSKSJD JSJSJS
Apples THKDHS
Oranges EHTHTJEJ"""
selected_lines = [line for line in file_2.splitlines() if not avoid_words.match(line)]
# ['Cats HHLFKDKDOS', 'Berries GGHLSKSKSJD JSJSJS']

作为奖励，您可以确保'^'只考虑第一个单词：

avoid_words = re.compile('^('+'|'.join(re.escape(word) for word in file_1.splitlines())+')')
# ^(Apples|Frogs|Beans|Dogs|Lemons|Oranges)

或仅使用r'\b'作为单词边界的完整单词：

avoid_words = re.compile(r'\b('+'|'.join(re.escape(word) for word in file_1.splitlines())+r')\b')
# \b(Apples|Frogs|Beans|Dogs|Lemons|Oranges)\b