剥离文本以创建列表并比较 2 个类似的列表

Question

我需要从文件名中拆分文本，如下所示：'foo_bar_1_10.asc.gz'，我为每个文件都有一个相应的文本列表，如下所示：'1 10' . 这个相应的列表是我想重新创建的。 原因是我需要将所有文件与主列表进行比较以查找丢失的文件。 所以最终我需要一种方法来比较两个列表（diff？ 任何帮助都会很棒

import os
newtxt = []
oldtxt = 'foobarmaster_list.txt'
wd = 'foobar'

for file in os.listdir(wd):
    file = file.split('.')
    subpieces = file[0].split('_')
    numbers = ' '.join(subpieces[-2:])
    newtxt.append(numbers)
    print txt

@@@更新 @@

@我现在有 2 个带有行号的列表（使用类似于 unix 中的 nl 的函数 - 名为 nl 和输出看起来像这样 1: 1 10 和2: 1 12。 我需要检查oldtxt newtxt中的缺失值。 我试过这个：

s = set(nl(newtxt))
diff = [x for x in nl(oldtxt) if x not in s]
print diff

这返回的是一些文本字符，而不是我预期的。 有什么帮助吗？

Answer 1

听起来您正在为字符串解析部分而苦苦挣扎。首先通过调用字符串.split方法将文件名拆分为多个部分，按句点拆分：

>>> file = 'foo_bar_1_10.asc.gz'
>>> pieces = file.split('.')
>>> pieces
['foo_bar_1_10', 'asc', 'gz']

然后根据 _ 字符将其拆分为子部分：

>>> subpieces = pieces[0].split('_')
>>> subpieces
['foo', 'bar', '1', '10']

然后，您可以将最后两个部分重新连接在一起，用空格分隔，如下所示：

>>> numbers = ' '.join(subpieces[-2:])
>>> numbers
'1 10'

Answer 2

一些评论（以及通往解决方案的途径，您会觉得自己想出了很多）：

• 确保你逃脱了foobar ，因为f不会给你你所期望的
• .replace 方法使用 2 个参数：要替换的内容，要替换的内容。你错过了一个。
• 如果你知道如何替换foo_bar_，比如说，''，你可以对扩展做同样的事情，并将_替换为，比如说，一个' '......

Answer 3

我想正则表达式会是最简单的。由于您要保留空格，因此将每个非数字字符替换为空格，然后去除前导空格和尾随空格

>>> import re
>>> a = 'foo_bar_1_10.asc.gz'
>>> re.sub('[^d]',' ',a).strip()
'1 10'

Answer 4

假设

s = '1_10.asc.gz'

然后

l = s.split（'.'）[0].分裂('_')
#Note l = ['1'，'10']

如果您需要"1 10"，则执行

项目 = ' '.join（l）

要执行"差异"，请使用集合差异（用法取决于您运行的 python 版本）。看
http://docs.python.org/library/stdtypes.html#set或者如果 python2.4 及更低版本：http://docs.python.org/library/sets.html

Answer 5

这是另一种使用正则表达式解析列表中所有文件的解决方案。

import os
import re
reg1 = re.compile("d+_d+")
newtxt = []
wd = 'foobar'
for file in os.listdir(wd)
    match = reg1.search(file)
    if match:
        newtxt.append(match.group().replace('_', ' '))      
        print file
    else:
        print("no match found")