查找文件之间的公用列表

Question

我有三个文本文件：

文件A：

13  abc
123 def
234 ghi
1234    jkl
12  mno

文件B：

^{pr2}$

文件编号：

12  abc
34  sdg
43  yui
54  poi
54  def

我想看看第2列中的所有值在文件之间是匹配的。如果第二列已经排序，下面的代码可以工作。但是如果第二列没有排序，我如何排序第二列并比较文件？在

fileA = open("A.txt",'r')
fileB = open("B.txt",'r')
fileC = open("C.txt",'r')

listA1 = []
for line1 in fileA:
    listA = line1.split('\t')
    listA1.append(listA)


listB1 = []
for line1 in fileB:
    listB = line1.split('\t')
    listB1.append(listB)


listC1 = []
for line1 in fileC:
    listC = line1.split('\t')
    listC1.append(listC)

for key1 in listA1:
    for key2 in listB1:
        for key3 in listC1:
            if key1[1] == key2[1] and key2[1] == key3[1] and key3[1] == key1[1]:
                print "Common between three files:",key1[1]

print "Common between file1 and file2 files:"
for key1 in listA1:
    for key2 in listB1:
        if key1[1] == key2[1]:
            print key1[1]

print "Common between file1 and file3 files:"
for key1 in listA1:
    for key2 in listC1:
        if key1[1] == key2[1]:
            print key1[1]

Answer 1

如果只想按第二列对A1、B1、和{}进行排序，这很简单：

listA1.sort(key=operator.itemgetter(1))

如果你不明白itemgetter，这是相同的：

^{pr2}$

但是，我认为更好的解决方案是使用set：

setA1 = set(element[1] for element in listA1)
setB1 = set(element[1] for element in listB1)
setC1 = set(element[1] for element in listC1)

或者，更简单地说，不要首先构建列表；请执行以下操作：

setA1 = set()
for line1 in fileA:
    listA = line1.split('\t')
    setA1.add(listA[1])

任何一种方式：

print "Common between file1 and file2 files:"
for key in setA1 & setA2:
    print key

---

为了进一步简化，您可能需要首先将重复的内容重构为函数：

def read_file(path):
    with open(path) as f:
        result = set()
        for line in f:
            columns = line.split('\t')
            result.add(columns[1])
    return result

setA1 = read_file('A.txt')
setB1 = read_file('B.txt')
setC1 = read_file('C.txt')

然后你就能找到更多的机会。例如：

def read_file(path):
    with open(path) as f:
        return set(row[1] for row in csv.reader(f))

---

正如John Clements所指出的，你甚至不需要所有三个都是集合，只要A1，所以你可以这样做：

^{8}$

您需要做的唯一其他更改是必须调用intersection，而不是使用&运算符，因此：

for key in setA1.intersection(iterB1):

我不确定最后的改变是否真的是一种进步。但是在Python3.3中，您只需要将return set(…)改为yield from (…)，我可能会用这种方式来实现。（即使文件非常大并且有大量的重复项，因此会有性能上的损失，我只需要在itertools调用周围粘贴itertools中的unique_everseen。）