txt文件去重,可自动排序,筛选导出新txt文件

<!DOCTYPE html>
<html>

<head>
  <title>TxtFilter文件处理器</title>
  <meta charset="UTF-8">
  <link rel="stylesheet" href="txtFilter.css">
</head>

<body>
  <div class="txtFilter">
    <h2>文本过滤器</h2>
    <p>使用方式</p>
    <p>1、选择一个TXT格式的记事本文档</p>
    <p>2、内容一行一个</p>
    <p>3、设置您所需要的过滤条件</p>
    <p>4、点击一键处理即可</p>
    <p>生成后的文档将按开头相似性排序</p>
    <div class="input">
      <span>选择文件</span>
      <label for="txt">
        <em id="labeltxt">请选择文件</em>
        <input type="file" hidden id="txt" placeholder="请选择文件">
      </label>
    </div>
    <div class="input">
      <span>必须包含</span>
      <input type="text" id="reqkeyword" placeholder="请输入,多个关键词请用|隔开">
    </div>
    <div class="input">
      <span>不能包含</span> 
      <input type="text" id="unReqkeyword" placeholder="请输入,多个关键词请用|隔开">
    </div>
    <div class="input">
      <span>最低字数</span>
      <input type="number" id="minlingth" placeholder="请输入">
    </div>
    <div class="input">
      <span>最多字数</span>
      <input type="number" id="maxlength" placeholder="请输入">
    </div>

    <div class="input2">
      <button id="handle">一键处理</button>
    </div>
  </div>
  <script src="popup.js"></script>
</body>

</html>
function displayFileName() {
  const fileInput = document.getElementById('txt');
  const selectedFileName = document.getElementById('labeltxt');
  if (fileInput.files.length > 0) {
    selectedFileName.textContent = fileInput.files[0].name;
  } else {
    selectedFileName.textContent = '请选择文件';
  }
}

const txt = document.getElementById('txt');
txt.addEventListener('change', displayFileName);

function handleFilter() {
  const fileInput = document.getElementById('txt');
  const reqKeywordsInput = document.getElementById('reqkeyword');
  const unReqKeywordsInput = document.getElementById('unReqkeyword');
  const minLengthInput = document.getElementById('minlingth');
  const maxLengthInput = document.getElementById('maxlength');

  const file = fileInput.files[0];
  const reqKeywords = reqKeywordsInput.value.trim().split('|').filter(keyword => keyword !== '');
  const unReqKeywords = unReqKeywordsInput.value.trim().split('|').filter(keyword => keyword !== '');
  const minLength = parseInt(minLengthInput.value);
  const maxLength = parseInt(maxLengthInput.value);

  if (!file) {
    alert('请选择文件');
    return;
  }

  const reader = new FileReader();
  reader.onload = function (e) {
    const contents = e.target.result;
    const lines = contents.split('\n');

    const uniqueLines = new Set(lines);
    const filteredLines = Array.from(uniqueLines).filter(line => {
      const trimmedLine = line.trim();
      const lineLength = trimmedLine.length;
      const hasReqKeywords = reqKeywords.length === 0 || reqKeywords.some(keyword => trimmedLine.includes(keyword));
      const hasUnReqKeywords = unReqKeywords.length === 0 || unReqKeywords.every(keyword => !trimmedLine.includes(keyword));
      const meetsMinLength = isNaN(minLength) || lineLength >= minLength;
      const meetsMaxLength = isNaN(maxLength) || lineLength <= maxLength;
      return (reqKeywords.length === 0 || hasReqKeywords) && hasUnReqKeywords && meetsMinLength && meetsMaxLength;
    });

    const sortedLines = filteredLines.sort((a, b) => a.localeCompare(b));

    const output = sortedLines.join('\n');
    downloadTxtFile(output);
  };

  reader.readAsText(file);
}

function downloadTxtFile(content) {
  const element = document.createElement('a');
  const file = new Blob([content], { type: 'text/plain' });
  element.href = URL.createObjectURL(file);
  element.download = 'filtered.txt';
  document.body.appendChild(element);
  element.click();
  document.body.removeChild(element);
  alert('处理完成,已为您下载完成');
}

const handleButton = document.getElementById('handle');
handleButton.addEventListener('click', handleFilter);

已经封装成谷歌浏览器插件了

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Pandas 是一个基于 NumPy 的开源数据处理库,它提供了用于数据分析的数据结构和函数。Pandas 可以操作多种数据库,包括 CSV、Excel、SQL 等等。下面是一些 Pandas 数据库操作的常见用法: 1. 读取 CSV 文件:使用 `read_csv()` 函数来读取 CSV 文件。例如:`df = pd.read_csv('filename.csv')`。 2. 读取 Excel 文件:使用 `read_excel()` 函数来读取 Excel 文件。例如:`df = pd.read_excel('filename.xlsx', sheet_name='Sheet1')`。 3. 读取 SQL 数据库:使用 `read_sql()` 函数来读取 SQL 数据库中的数据。例如:`df = pd.read_sql('SELECT * FROM table_name', connection_object)`。 4. 写入 CSV 文件:使用 `to_csv()` 函数将数据写入 CSV 文件。例如:`df.to_csv('filename.csv', index=False)`。 5. 写入 Excel 文件:使用 `to_excel()` 函数将数据写入 Excel 文件。例如:`df.to_excel('filename.xlsx', sheet_name='Sheet1', index=False)`。 6. 写入 SQL 数据库:使用 `to_sql()` 函数将数据写入 SQL 数据库。例如:`df.to_sql('table_name', connection_object, if_exists='replace')`。 7. 数据合并:使用 `merge()` 函数将两个数据框按照某个共同列合并。例如:`pd.merge(df1, df2, on='key')`。 8. 数据过滤:使用布尔索引来筛选数据。例如:`df[df['column_name'] > 0]`。 9. 数据分组:使用 `groupby()` 函数按照某个列分组。例如:`df.groupby('column_name').mean()`。 10. 数据统计:使用 `describe()` 函数来查看数据的统计信息。例如:`df.describe()`。 ### 回答2: Pandas是一个开源的Python库,主要用于数据分析和数据处理。它提供了用于操作和处理大型数据集的高性能数据结构和函数。在Pandas中,有以下几种常用的数据库操作: 1. 数据读取:Pandas可以从多种数据源中读取数据,包括CSV文件、Excel文件、SQL数据库以及其他常见的数据格式。通过使用`read_csv()`、`read_excel()`和`read_sql()`等函数,可以方便地将数据加载到Pandas的数据结构中。 2. 数据清洗:在导入数据后,经常需要进行数据清洗,包括处理缺失值、重复值、异常值等。Pandas提供了一系列函数来处理这些问题,如`dropna()`可以删除含有缺失值的行或列,`drop_duplicates()`可以删除重复值,`fillna()`可以填充缺失值,`replace()`可以替换指定的值等。 3. 数据筛选过滤:Pandas提供了强大的筛选过滤功能,可以根据条件对数据进行过滤。通过使用布尔索引、条件判断和`query()`函数,可以轻松地选择满足特定条件的数据行或列。 4. 数据排序:通过使用`sort_values()`函数,可以对数据进行排序,可以按照某一列或多个列的值进行升序或降序排序。此外,`sort_index()`函数可以按照索引对数据进行排序。 5. 数据聚合与统计:Pandas提供了丰富的聚合和统计函数,可以对数据进行统计分析。常用的函数包括`sum()`、`mean()`、`max()`、`min()`、`groupby()`等,可以计算总和、均值、最大值、最小值,并且可以按照某一列或多个列进行分组聚合。 6. 数据计算与转换:Pandas支持对数据进行计算和转换操作。常用的函数包括`apply()`、`map()`和`transform()`等,可以对数据进行自定义的计算、映射和转换。 7. 数据可视化:Pandas内置了基于matplotlib的绘图工具,可以方便地绘制各种类型的统计图表,如折线图、柱状图和散点图等。通过使用`plot()`函数,可以快速地生成图表并进行可视化分析。 总而言之,Pandas提供了许多强大的数据库操作功能,可以方便地进行数据读取、清洗、筛选排序、聚合、计算和可视化等操作。它被广泛应用于数据分析、数据处理和数据挖掘等领域。 ### 回答3: Pandas是一个强大的数据分析工具,其中包含了丰富的数据库操作功能。 首先,Pandas可以连接并操作各种不同类型的数据库,比如MySQL、SQL Server、SQLite等。通过pandas.read_sql函数,可以从数据库中读取数据,并将其转化为DataFrame格式,方便进行数据分析和处理。 其次,Pandas提供了丰富的数据筛选过滤方法。可以使用条件表达式或query函数对数据进行筛选,比如选择满足某个条件的行或列。此外,还可以使用isin和between等方法进行多条件的筛选。 另外,Pandas也支持数据的排序去重。可以使用sort_values方法对数据进行排序,可以基于一列或多列进行排序。使用drop_duplicates方法可以对数据进行去重,可以根据指定的列或所有列进行去重。 此外,Pandas还支持数据的合并和拼接操作。可以使用concat方法将多个DataFrame按行或列方向进行拼接,也可以使用merge方法进行数据的合并操作,可以指定合并的列和合并的方式。 同时,Pandas还提供了数据的分组和聚合功能。可以使用groupby方法对数据进行分组,然后对每个组进行聚合操作,比如求和、平均值、计数等。此外,还可以使用pivot_table方法实现类似Excel中的数据透视表功能。 最后,Pandas还支持数据的导出和保存。可以使用to_csv、to_excel等方法将DataFrame数据导出为CSV文件或Excel文件。也可以使用to_sql方法将DataFrame数据保存到数据库中。 总之,Pandas提供了丰富的数据库操作功能,能够处理各种常见的数据处理需求,方便高效地进行数据分析和处理。

“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