欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python 高效去重复 支持GB级别大文件的示例代码

程序员文章站 2022-06-09 10:14:42
如下所示: #coding=utf-8 import sys, re, os def getdictlist(dict): regx = '...

如下所示:

#coding=utf-8
 
import sys, re, os
 
def getdictlist(dict):
  regx = '''[\w\~`\!\@\#\$\%\^\&\*\(\)\_\-\+\=\[\]\{\}\:\;\,\.\/\<\>\?]+'''
  with open(dict) as f:
    data = f.read()
    return re.findall(regx, data)
 
def rmdp(dictlist):
  return list(set(dictlist))
 
def filesave(dictrmdp, out):
  with open(out, 'a') as f:
    for line in dictrmdp:
      f.write(line + '\n')
 
def main():
  try:
    dict = sys.argv[1].strip()
    out = sys.argv[2].strip()
  except exception, e:
    print 'error:', e
    me = os.path.basename(__file__)
    print 'usage: %s <input> <output>' %me
    print 'example: %s dict.txt dict_rmdp.txt' %me
    exit()
 
  dictlist = getdictlist(dict)
  dictrmdp = rmdp(dictlist)
  filesave(dictrmdp, out)
   
if __name__ == '__main__':
  main()

以上这篇python 高效去重复 支持gb级别大文件的示例代码就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。