Python：如何删除重复/相似的行

Question

我有一个包含大量消息的文件。每一行都是一条独特的消息，其结构彼此相似，稍作修改。一个例子如下：Error number 609 at line 10Error number 609 at line 22Error string "foo" at line 11Error string "bar" at line 14并希望输出类似于：Error number 609 at line 10Error string "foo" at line 11它们是“相同”类型的错误。我设法删除了类似的行，但我遇到的问题是我必须循环遍历文件中的每一行多少次，直到它不再有“重复”。我目前拥有的：from difflib import SequenceMatcherdef similar(a, b):    return SequenceMatcher(None, a, b).ratio()lst = open("result.txt").readlines()print(len(lst))for i in lst:    for index, line in enumerate(lst):        try:            if similar(lst[index],lst[index + 1]) > 0.8:                lst.pop(index)        except:            passprint(len(lst))但这不是一个确定的方法，因为它可能是循环次数过多，或者如果文件非常大且包含许多“相同”行，则可能还不够。编辑：文件中多种消息类型之一的更准确示例是以下内容：[{TYPE}] Timeout after {miliseconds} millis, source ref: {random-number}, system: {system}, delivered {system}: , current {system}: {time}

Answer 1

假设输入文件中的每个条目都采用以下格式...

[{TYPE}] Timeout after {miliseconds} millis, source ref: {random-number}...

lst = open("result.txt").readlines()

pretoken = "["

posttoken = "]"

foundTypes = []

log = []

for line in lst:

    foundType = ""

    for letter in line:

        if letter == pretoken: pass

        elif letter == posttoken: break

        else: foundType += letter

    if foundType not in foundTypes:

        foundTypes.append(foundType)

        log.append(line)

print(log)

Answer 2

您只需要逐行打开并读取日志文件。

a=b=None

with open('result.txt') as infile:

    if a == None:

        a = infile.readline()

    b = infile.readline()

    while a:

        a = infile.readline()

        print('proc similar(a,b)')

        b = a