Question

Python新手。

我想从文件行中删除重复项以及某些字符。

例如，我有以下文件：

A   786 65534 65534 786 786 786 786 10026/AS4637 19151 19151 19151 19151 19151 19151 10796/AS13706
B   786 65534 65534 786 786 786 3257 3257 3257 1257 1257 1257 1257 1257 1257 1257 49272

我想要的输出是：

A   786 10026 4637 19151 10796 13706
B   786 3257 1257 49272

这里发生了两件事，首先需要删除任何＃65000的行。其次，有时你得到两个字符除以'/'，并且有不喜欢的字母，如#AS，我不想要。

我有以下代码：

import os

p = './testing/test.txt'
fin = open(p, 'r')
uniq = set()
for line in fin.readlines():
    word = line.rstrip().split(' ')[3:]
    if not word in uniq:
        uniq.add(word)
        print word
ips.close()

我得到了：

TypeError: unhashable type: 'list'

正如你所看到的，我甚至无法检查这个词是否大于65000，因为我甚至无法通过set（）删除重复项

请帮忙。

我真的可以在这里使用一些帮助

Answer 1

问题是：

word = line.rstrip().split(' ')[3:]

split函数返回一个单词列表。列表不可清除，因此您无法使用或添加它。您需要遍历拆分列表中的字符串，并逐个检查每个单词。

Answer 2

这可能有所帮助，作为一个开始：

for line in fin.readlines():
    words = line.split()    # list of words
    new_words = []
    unique_words = set()
    for word in words:
        if (word not in unique_words and
                  (not word.isdigit() or int(word) <= 65000)):
            new_words.append(word)
            unique_words.add(word)
    new_line = ' '.join(new_words)
    print new_line

转过来：

A   786 65534 65534 786 786 786 786 10026/AS4637 19151 19151 19151 19151 19151     19151 10796/AS13706

进入这个：

A 786 10026/AS4637 19151 10796/AS13706

显然，它不是你想要的，但是你自己尝试做其余的事情。 :) str.replace() method可能会帮助您摆脱/AS。

删除重复，如果找到则删除行中的某些字母

2 个答案: