如何根据单独列表中每个字符串的子字符串来获取两个列表之间的差异

Question

我有两个长列表，一个来自日志文件，其中包含格式类似于

201001050843 blah blah blah <[电子邮件受保护]> blah blah

和 csv 格式的第二个文件。我需要生成 file2 中日志文件中不包含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 protected]> blah blah
201001050843 blah blah blah <[email protected]> blah blah

File2 包含：

156456,bob,sagget,[email protected],4564456
156464,bob,otherguy,[email protected],45644562

输出应该是：

156464,bob,otherguy,[email protected],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 进行比较：

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 file2 的所有内容！

感谢您提供的任何帮助。

编辑：感谢您对套件的建议，它产生的速度差异比我想象的要大。哈希表真是太棒了！从现在开始我肯定会更频繁地使用集合。

Answer 1

您可以像这样创建一组电子邮件，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

仅当 CSV 文件中的电子邮件始终位于位置 4 时，此方法才有效。

fileinput 启用就地编辑。

并使用一组电子邮件而不是亚伦所说的列表，不仅是因为速度，而且还可以消除重复。

Answer 2

line.split() 在空白处分割。使用 line.split(',') 代替。

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

Answer 3

这是另一种方法，对电子邮件地址的位置进行简约检查。

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 protected],45644562