python 文本去重

# -*- coding: utf8 -*-
#==============================
file_name = 'uk_urls.txt'
#==============================

open('quchong.txt','w').truncate()

with open(file_name, 'r') as f: 
    lines = f.readlines() 
print 'lines = ' + str(len(lines))

x = 0

while x < len(lines):

    file = open('quchong.txt', 'r')
    quchong = file.read()
    file.close()

    if lines[x] not in quchong:
        print '[' + str(x+1) + ']' + 'ok, add'
        file = open('quchong.txt', 'a')
        file.write(lines[x])
        file.close
    else:
        print '[' + str(x+1) + ']' + 'no, del:' + lines[x].replace('\n','')

    x= x + 1
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用Python中的set()函数来去除重复的文本。set()函数可以接受一个列表作为参数,并返回一个包含列表中所有不重复元素的集合。例如,假设有一个包含重复文本的列表text_list,可以使用以下代码将其转换为一个不包含重复文本的集合: ``` text_list = ['apple', 'banana', 'orange', 'apple', 'banana'] unique_text = set(text_list) print(unique_text) ``` 输出结果为: ``` {'orange', 'banana', 'apple'} ``` 这样就可以方便地去除文本中的重复项了。如果需要将去重后的文本保存到一个新文件中,可以使用以下代码: ``` with open('input.txt', 'r') as f: text = f.readlines() unique_text = set(text) with open('output.txt', 'w') as f: for line in unique_text: f.write(line) ``` 其中,input.txt为输入文件名,output.txt为输出文件名。这段代码会读取input.txt文件中的所有行,去除重复行,并将结果写入output.txt文件中。 ### 回答2: Python文本去重可以使用set数据结构进行操作。首先,将文本读取为一个字符串,然后使用split()函数进行分词,将文本拆分成一个列表。接下来,将列表转换为set集合,set集合会自动去除重复元素。最后,使用join()函数将去重后的元素再次组合成一个字符串。 下面是一个示例代码: ```python text = "这是一个文本文本样例。这是一个示例文本。" # 将文本转换为列表 word_list = text.split() # 去除重复元素 unique_words = set(word_list) # 将去重后的元素转换为字符串 result = ' '.join(unique_words) print(result) ``` 以上代码输出结果为:"文本样例。这是一个示例文本。这是一个",其中,文本中的重复元素"文本"只保留了一个。 ### 回答3: Python文本去重指的是在文本中去除重复的内容,使得文本中的每个元素都是唯一的。 下面是使用Python进行文本去重的一种简单方法: 1.创建一个空集合set用于存储去重后的文本内容。 2.遍历文本中的每个元素,将元素添加到集合中。 3.遍历完成后,集合中将只包含文本中的唯一元素。 4.将集合转换为列表,以便对结果进行操作或输出。 以下是一个示例代码: ``` def text_deduplicate(text): unique_elements = set() for element in text: unique_elements.add(element) deduplicated_text = list(unique_elements) return deduplicated_text # 测试代码 text = ['apple', 'banana', 'apple', 'orange', 'banana'] deduplicated_text = text_deduplicate(text) print(deduplicated_text) ``` 结果输出为:['orange', 'banana', 'apple'] 以上是一种简单的方法,也可以使用其他方法实现文本去重,根据实际需要选择合适的方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值