Question

我有两个文件，比如source和target。我比较源中的每个元素以检查它是否也存在于目标中。如果目标中不存在，我打印它（最终目标是0差异）。这是我写的代码。

def finddefaulters(source,target):
  f = open(source,'r')
  g = open(target,'r')

  reference = f.readlines()
  done = g.readlines()
  for i in reference:
    if i not in done:
      print i,

我需要帮助

如何按照1-10
如果文件很大，我怎样才能使它更好，更优化。

另一个问题 - 当我将所有行都读为列表元素时，它们被解释为'element \ n' - 因此，为了正确比较，我必须在每个文件的末尾添加换行符。有没有办法去除换行符，所以我不必在文件末尾添加换行符。我试过rstrip。但它没有用。提前谢谢。

Answer 1

一些想法：

1）使用[with]安全地打开文件：

with open(source) as f:
     .............

with语句用于包装用方法执行块由上下文管理器定义。这个允许共同尝试......除了......最后要封装的使用模式方便重用。

2）你可以迭代文件的行而不是使用readlines：

for line in f:
     ..........

3）虽然对于这个简短的片段就足够了，但尝试为变量使用更多信息性的名称。不建议使用单字母名称。

4）如果你想获得python lib的利润，可以试试difflib模块中的函数。例如：

make_file(fromlines, tolines[, fromdesc][, todesc][, context][, numlines])

比较fromlines和tolines（列表字符串）并返回一个字符串是一个完整的HTML文件，包含一个表格逐行显示差异具有行间和行内更改突出显示。

Answer 2

关于效率：您展示的方法有asymptotic runtime complexity O(m*n)，m和n是{reference中的元素数量1}}和done，即如果你将两个列表的大小加倍，算法将运行4倍（对于理论计算机科学家来说，固定常数的一倍）。如果m和n非常大，您可能希望选择更快的算法，例如，首先使用.sort()（运行时复杂度：O(n * log(n))）对两个列表进行排序，并且然后只浏览一次列表（运行时复杂度：O(n)）。该算法的运行时复杂度最差为O(n * log(n))，这已经是一个很大的改进。但是，为了提高效率，您需要交换代码的可读性和简单性，因此我建议您在绝对必要的情况下执行此操作。

关于编码样式：您没有.close()您应该使用的文件句柄。您可以使用python的with language construct，而不是打开和关闭文件句柄。此外，如果您喜欢功能样式，可以使用列表表达式替换for循环：

for i in reference:
    if i not in done:
        print i,

然后变成：

items = [i.strip() for i in reference if i not in done]
print ' '.join(items)

但是，通过这种方式，您在撰写列表时不会看到任何进展。

正如joaquin已经提到的那样，您可以直接循环f而不是f.readlines()，因为文件句柄支持iterator protocol。

比较Python中的文件内容

2 个答案: