如何根据单独列表中每个字符串中的子字符串获取两个列表之间的差异答案

【问题标题】：How to get the difference between two list based on substrings withing each string in the seperate lists如何根据单独列表中每个字符串中的子字符串获取两个列表之间的差异
【发布时间】：2010-01-05 17:13:58
【问题描述】：

我有两个长列表，一个来自一个日志文件，其中包含格式为

的行

201001050843 blah blah blah <email@site.com> blah blah

还有一个 csv 格式的文件。我需要生成 file2 中不包含日志文件中电子邮件地址的所有条目的列表，同时保持 csv 格式。

示例
日志文件包含：

201001050843 blah blah blah <email@site.com> blah blah
201001050843 blah blah blah <email2@site.com> blah blah

文件 2 包含：

156456,bob,sagget,email@site.com,4564456
156464,bob,otherguy,email@anothersite.com,45644562

输出应该是：

156464,bob,otherguy,email@anothersite.com,45644562

目前我从日志中抓取电子邮件并将它们加载到另一个列表中：

sent_emails =[]
for line in sent:
    try:
        temp1= line.index('<')
        temp2 = line.index('>')
        sent_emails.append(line[temp1+1:temp2])
    except ValueError:
        pass

然后与 file2 比较：

lista = mail_lista.readlines()
for line in lista:
    temp = line.split()
    for thing in temp:
        try:
            if thing.index('@'):
                if thing in sent_emails:
                    lista.remove(temp)
        except ValueError:
            pass
newa.writelines(lista)

或：

for line in mail_listb:
    temp = line.split()
    for thing in temp:
        try:
            if thing.index('@'):
                if thing not in sent_emails:
                    newb.write(line)
        except ValueError:
            pass

但是两者都返回了 file2 的所有内容！

感谢您提供的任何帮助。

编辑：感谢您对套装的建议，它产生的速度差异比我想象的要大。去哈希表的方法！从现在开始，我肯定会更频繁地使用集合。

【问题讨论】：

标签： python list string list-manipulation

【解决方案1】：

您可以按照自己的方式创建电子邮件集，然后：

# emails is a set of emails
for line in fileinput.input("csvfile.csv",inplace =1):
    parts = line.split(',')
    if parts[3] not in emails:
        print line

这仅适用于 CSV 文件中的电子邮件始终位于位置 4 的情况。

fileinput 启用就地编辑。

并使用一组电子邮件而不是 Aaron 所说的列表，这不仅是因为速度，也是为了消除重复。

【讨论】：

完美，虽然我的问题实际上是 Aaron Digulla 指出的一个错字，但这以非常清晰的方式回答了我提出的问题，并教会了我一些东西。

【解决方案2】：

line.split() 在空白处拆分。请改用line.split(',')。

另外：行的顺序重要吗？如果不是，那么您应该真正使用set() 而不是列表。这将使代码更快。

【讨论】：

facepalm 不敢相信我错过了！
现在我的代码可以工作了，就在我第一次说“我将只写一个快速脚本”几个小时后，感谢您救了我！

【解决方案3】：

这是另一种方式，对电子邮件地址的位置进行简单检查。

import fileinput
emails=[]
for line in open("file1"):
    start=line.find("<")
    end=line.find(">")
    if start != -1 and end !=-1:
        emails.append(line[start+1:end])

for line in fileinput.FileInput("file2",inplace=1):
    p = line.split(",")
    for item in p:
        if "@" in item and item not in emails:
            print line.strip()

输出

$ ./python.py
156464,bob,otherguy,email@anothersite.com,45644562

【讨论】：