python处理文本信息

Question

有一个文本信息如下:

42 453926 Stormwriter restored undeleted 61.1.28.140
44 425968 61.1.28.140
42 425967 Mintguy restored undeleted 61.11.252.22
43 419840 61.11.252.22

我做的是需要根据第一列的这个序号的数据来找对应的数据，像这种有着相同序号的行，他们对应的第二列的ID数据就是对应的，我需要找到这样一对一对的 ID 数据。就这个例子来说就是 453926 跟 425967 是对应的，输出:

453926 425967

而也会有多个相同序号的情况。比如:

42 453926 Stormwriter restored undeleted 61.1.28.140
44 425968 61.1.28.140
42 425967 Mintguy restored undeleted 61.11.252.22
43 419840 61.11.252.22
42 419809 TimStarling

就是需要记录多次，而且是跟最后一个相同序号对应，拿这个例子来说，就是记录第一个42跟最后一个42的对应ID，然后同时也要记录中间那个 42 跟最后一个 42 的 ID，输出这样:

453926 419809（restored行的ID是453926）
425967 419809（restored行的ID是425967)

我开始想的是用字典，但是字典也就只能保留到最后一个相同的序号，怎么做才能让中间的相同序号也能输出对应的呢TUT

我的伪代码如下:

dict={}
if xxx: #只是一个判断处理的条件
   flag_number =line.split()[0]
   id = line.split()[0]
   next()
elif line.split()[0]==flag_number:
   dict[id]=line.split()[1]

但是这个代码只能输出第一个跟最后一个相同的序号，如何修改才能也让中间的相同序号跟最后一个序号也输出出来呢

Answer 1

用字典是可以的，首先是收集:

INDEX = 0
ID = 1

dic = {}

with open('data') as reader:
    for line in reader:
        items = line.strip().split()
        ids = dic.setdefault(items[INDEX], [])
        ids.append(items[ID])

輸出:

for index, ids in dic.items():
    for sid in ids[0:-1]:
        print sid, ids[-1]

或:

# 如果不太懂這段代碼的意思，請參見下面說明，其實我覺得用上面的方法也夠了
for index, ids in dic.items():
    for sid, eid in ((id, ids[-1]) for id in ids[0:-1]):
        print sid, eid

稍微講一下這段程式碼:

((id, ids[-1]) for id in ids[0:-1])

上面這一行是一個產生器表達式( generator expression, 簡稱genexp)，他就類似list comprehension，不過他並不會馬上產生實際的資料和list，只有等到你去iterate 或是取值的時候才會依序產生資料項。這代表在資源的利用上，是比較有效率的。

這邊產生的generator 可以依序產生一個雙元素的tuple，這兩個元素都是id，剛好就是一個id pair(第一個元素是各個非最後一個id，第二個元素是最後一個id。

至於：

for sid, eid in ((id, ids[-1]) for id in ids[0:-1]):

就是依序產生 id pair 並且利用 tuple unpacking 平行賦值給 sid 和 eid，最後輸出。

---

sid 和 eid，最後輸出。

---

datadata:

42 453926 Stormwriter restored undeleted 61.1.28.140
44 425968 61.1.28.140
42 425967 Mintguy restored undeleted 61.11.252.22
43 419840 61.11.252.22
42 419809 TimStarling

結果:

453926 419809
425967 419809