将您的第一种格式转换为第二种格式：

Question

我有两个文件，其中包含大量列和有关一堆对象的不同信息，这些对象带有对象ID。我需要在两个文件之间找到匹配项，但对象ID有两种不同的格式：

一个文件中的12-12-1将被写为0012 00012 1在另一个文件中。例如，在一个文件中我有：

0001 01531 1
0001 01535 1
0001 01538 1

另一个对应于此：

1-1531-1
1-1535-1
1-1538-1

像

这样简单

matches = open('matches.dat','w')
for j in range(len(file1)):
    for i in range(len(file2)):
        if file1[j] == file2[i]:
            matches.write('{}/n'.format(file1[j]))

似乎没有做到这一点。

file1和file2这里是包含来自不同文件的所有对象ID的列表。

我会在代码中添加什么来查找匹配项？

Answer 1

将您的第一种格式转换为第二种格式：

import re

def convert(word):
    word = word.strip().replace(' ', '-')
    return re.sub('\\b0+', '', word)  # strip all 0s after a word boundary (space or beginning of line)

算法改进

您可以通过将两者转换为列表并计算交叉点来计算O（n + m）时间的交点

file1_ids = {convert(line) for line in file1}
file2_ids = {line for line in file2}

matches = file1_ids.intersection(file2_ids)

Answer 2

一些注意事项：

- 您不要在代码末尾关闭匹配文件。使用with将自动处理文件清理。

- 您的代码最后一行中的换行符未正确转义 - 它是\n，而不是/n。

如果你的数字格式总是不变的（即第一列总是填充到四个值，第二列总是填充到5，而最后一个从不填充），这应该有效：

with open('matches.dat', 'w') as matches:
    for j in range(len(file1)):
        for i in range(len(file2)):
            match_list = file2[i].split('-')
            match_str = '{} {} {}'.format(match_list[0].zfill(4), match_list[1].zfill(5), match_list[2])
            if file1[j] == match_str:
                matches.write('{}\n'.format(file1[j]))

在python 3中查找匹配项

2 个答案:

将您的第一种格式转换为第二种格式：

算法改进