我有 3 个文本文件（A、B 和 C），每个文件都有数百个电子邮件地址。我想将列表 A 和列表 B 合并到一个文件中，忽略大小写和空格的差异。然后我想删除列表 C 中新列表中的所有电子邮件，再次忽略大小写和空格的差异。
我选择的编程语言通常是 C++，但它似乎不太适合这项任务。是否有一种脚本语言可以在相对较少的行中完成此（和类似任务）？
或者是否已经有软件（免费或商业）可以让我这样做？例如，是否可以在 Excel 中完成？
【问题讨论】：
标签： excel list scripting merge
执行此操作的最快方法可能不一定需要编码。您可以在一个工作表中将文件 A 和 B 导入 Excel，然后（如有必要）对生成的地址列表进行过滤以删除任何重复项。
下一步是将文件 C 导入第二个工作表。在第三个工作表中，您将执行 VLOOKUP 以挑选出您的第一个列表中的所有地址，如果它们在您的“列表 C”中，则将它们删除。
VLOOKUP 看起来像这样：
=IF(ISNA(VLOOKUP(email_address_cell, Sheet2!email_duplicates_list, 1, false), "", (VLOOKUP(email_address_cell em>, Sheet2!email_duplicates_list, 1, false)))
我还检查了公式是否返回“值不可用”错误，在这种情况下，单元格只显示一个空白值。从那里，你只需要删除你的空白，然后你的最终列表就出来了。
现在说了这么多，您仍然可以使用 VBA 宏来做很多相同的事情，但可能会稍微清理一下列表，这取决于您的需要。希望对您有所帮助！
【讨论】：
正如前面提到的 Excel，你也可以用 Jet 和 VBScript 来做这种事情。
Set cn = CreateObject("ADODB.Connection")
strCon = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=c:\Docs\;" _
& "Extended Properties=""text;HDR=No;FMT=Delimited"";"
cn.Open strCon
strSQL = "SELECT F1 Into New.txt From EmailsA.txt " _
& "WHERE UCase(F1) Not IN (SELECT UCase(F1) From EmailsC.txt)"
cn.Execute strSQL
strSQL = "INSERT INTO New.txt ( F1 ) SELECT F1 FROM EmailsB.txt " _
& "WHERE UCase(F1) Not IN (SELECT UCase(F1) From EmailsC.txt)"
cn.Execute strSQL
【讨论】：
对于您描述的那种文本处理，perl 或 python 都是理想的。
您可以使用关联数组（在本例中为带有字符串索引的数组）将电子邮件地址存储在列表中。
使用小写的、非空白的电子邮件地址作为键，使用真实的电子邮件地址作为值。
然后是读入并存储第一个文件，读入并存储第二个文件（这将使用相同的密钥覆盖电子邮件地址），然后读入第三个文件并使用该密钥从列表中删除条目。
剩下的就是你想要的列表 (A + B - C)。
这里是伪代码：
set list to empty
foreach line in file one:
key = unwhitespace(tolowercase(line))
list{key} = line
foreach line in file two:
key = unwhitespace(tolowercase(line))
list{key} = line
foreach line in file three:
key = unwhitespace(tolowercase(line))
if exists(list{key})
delete list{key}
foreach key in list:
print list{key}
【讨论】：
在 Python 中，是这样的：
注意，这会将小写电子邮件写入最终输出。如果这样不行，则需要基于字典的解决方案。
def read_file(filename):
with file(filename, "r") as f:
while True:
line = f.readline();
if not line:
break;
line = line.rstrip();
if line:
yield line;
def write_file(filename, lines):
with file(filename, "w") as f:
for line in lines:
f.write(line + "\n");
set_a = set((line.lower() for line in read_file("file_a.txt")));
set_b = set((line.lower() for line in read_file("file_b.txt")));
set_c = set((line.lower() for line in read_file("file_c.txt")));
# Calculate (a + b) - c
write_file("result.txt", set_a.union(set_b).difference(set_c));
【讨论】：
我认为上面的答案，回答技术HOW TO问题；唯一需要考虑的是您必须执行多少次任务。如果这是一次性的事情，并且您对 Excel 更满意，请从那里开始。如果您知道您将执行此任务至少两次甚至更多次，那么编写脚本或可执行文件是您的最佳选择。
【讨论】：
遗憾的是，这个答案可能对您没有帮助，但如果您实际上使用的是 Unix（例如 Linux），您可以执行以下操作：
cat filea >> fileb # 将文件 a 附加到文件 b
排序文件b | uniq > newFile # newFile 现在包含文件 a 和文件 b 的合并，具有排序和唯一的电子邮件地址
以上都可以在一行中完成，如下所示： 猫文件a >> 文件b |排序 | uniq > 新文件
现在您只需删除常用电子邮件即可。 “差异”的一些变体在那里应该会有所帮助，例如： diff newFile 文件C > finalFile
diff 将为您提供两个文件之间的差异列表，因此“finalFile”中的输出应该是“newFile”（A 和 B 的合并）中但不在 fileC 中的电子邮件列表。各种工具的选项允许您忽略空格和大小写。 我必须稍微玩一下才能让它完全正确，但以上是大体思路。
我曾经有一个额外的机器运行 Linux，其唯一目的是执行上述操作，这在 Windoze 下很麻烦，但在 Unix 类型的操作系统下轻而易举。当我的硬件死机时，我再也没有时间构建另一个 Linux 机器。
我相信适用于 Windoze 的 MKS 工具包可能具有上述所有实用程序。
【讨论】：
Excel 可以做到，如上所述。最适合的编程语言是 Perl。
【讨论】：