Python 比较两个未排序的文本文件以查找交叉点文件

我有两个文本文件。一个是我使用RTL SDR接收的一组频率。这些频率在我周围的区域都是可用的。另一个是该地区所有注册频率的数据库。我的目标是找到未注册的频率。 我的数据库是：

ARFCN:987，频率：927.6M，CID:36233，LAC:7713，MCC:410，MNC:4，压水堆：-37
ARFCN:989，频率：928.0M，CID:57501，LAC:7716，MCC:410，MNC:4，压水堆：-45
ARFCN:992，频率：928.6M，CID:58531，LAC:7716，MCC:410，跨国公司：4，压水堆：-42
ARFCN:994，频率：929.0M，CID:36231，LAC:7713，MCC:410，MNC:4，压水堆：-31
ARFCN:995，频率：929.2M，CID:36232，LAC:7713，MCC:410，MNC:4，压水堆：-39
ARFCN:999，频率：930.0M，CID:47081，LAC:7716，MCC:410，MNC:4，压水堆：-36
ARFCN:1004，频率：931.0M，CID:36231，LAC:7713，MCC:410，MNC:4，压水堆：-31
ARFCN:1008，频率：931.8M，CID:47103，LAC:7713，MCC:410，跨国公司：4，压水堆：-37
ARFCN:1010，频率：932.2M，CID:40691，LAC:7716，MCC:410，MNC:4，压水堆：-48
ARFCN:1011，频率：932.4M，CID:47102，LAC:7713，MCC:410，跨国公司：4，压水堆：-50
ARFCN:1，频率：935.2M，CID:13013，LAC:10421，MCC:410，MNC:1，压水堆：-65
ARFCN:2，频率：935.4M，CID:30889，LAC:10421，MCC:410，跨国公司：1，压水堆：-60
ARFCN:3，频率：935.6M，CID:30928，LAC:10470，MCC:410，跨国公司：1，压水堆：-45
ARFCN:3，频率：935.6M，CID:33272，LAC:10421，MCC:410，跨国公司：1，压水堆：-65
ARFCN:6，频率：936.2M，CID:10096，LAC:10470，MCC:410，MNC:1，压水堆：-27
ARFCN:10，频率：937.0M，CID:30911，LAC:10470，MCC:410，MNC:1，压水堆：-47
ARFCN:25，频率：940.0M，CID:14429，LAC:51136，MCC:410，MNC:3，压水堆：-44
ARFCN:49，频率：944.8M，CID:15535，LAC:52207，MCC:410，跨国公司：3，压水堆：-27
ARFCN:51，频率：945.2M，CID:12408，LAC:51136，MCC:410，MNC:3，压水堆：-46
ARFCN:54，频率：945.8M，CID:35535，LAC:52207，MCC:410，跨国公司：3，压水堆：-49
ARFCN:56，频率：946.2M，CID:25535，LAC:52207，MCC:410，跨国公司：3，压水堆：-51
ARFCN:58，频率：946.6M，CID:12941，LAC:51136，MCC:410，跨国公司：3，压水堆：-35
ARFCN:60，频率：947.0M，CID:18662，LAC:51136，MCC:410，MNC:3，压水堆：-58
ARFCN:62，频率：947.4M，CID:32941，LAC:51136，MCC:410，跨国公司：3，压水堆：-52
ARFCN:64，频率：9478M，CID:7673，LAC:470，MCC:410，跨国公司：6，压水堆：-43
ARFCN:66，频率：948.2M，CID:10001，LAC:470，MCC:410，MNC:6，压水堆：-27
ARFCN:68，频率：948.6M，CID:12941，LAC:51136，MCC:410，跨国公司：3，压水堆：-50
ARFCN:70，频率：949.0M，CID:15132，LAC:470，MCC:410，MNC:6，压水堆：-34
ARFCN:71，频率：949.2M，CID:5373，LAC:470，MCC:410，MNC:6，压水堆：-44
ARFCN:75，频率：950.0M，CID:6561，LAC:470，MCC:410，MNC:6，压水堆：-45
ARFCN:79，频率：950.8M，CID:10003，LAC:470，MCC:410，MNC:6，压水堆：-48
ARFCN:82，频率：951.4M，CID:10002，LAC:470，MCC:410，跨国公司：6，压水堆：-34
ARFCN:86，频率：952.2M，CID:0，LAC:470，MCC:410，MNC:6，压水堆：-57
ARFCN:117，频率：958.4M，CID:20096，LAC:10470，MCC:410，跨国公司：1，压水堆：-28
ARFCN:119，频率：958.8M，CID:12549，LAC:10470，MCC:410，跨国公司：1，压水堆：-41
ARFCN:120，频率：959.0M，CID:30096，LAC:10470，MCC:410，MNC:1，压水堆：-31
ARFCN:122，频率：959.4M，CID:33783，LAC:10421，MCC:410，跨国公司：1，压水堆：-42
ARFCN:124，频率：959.8M，CID:42549，LAC:10470，MCC:410，跨国公司：1，压水堆：-33

鉴于我收到的频率文件为：

脚本开始于2020-07-19 14:55:19+0500
linux；GNU C++版本7.3.0；boost106501；UHD_003.010.003.000-0-未知
ARFCN:1004，频率：931.0M，CID:36231，LAC:7713，MCC:410，MNC:4，压水堆：-34
ARFCN:1008，频率：931.8M，CID:47103，LAC:7713，MCC:410，跨国公司：4，压水堆：-30
ARFCN:6，频率：936.2M，CID:10096，LAC:10470，MCC:410，MNC:1，压水堆：-27
ARFCN:10，频率：937.0M，CID:30911，LAC:10470，MCC:410，MNC:1，压水堆：-33
ARFCN:49，频率：944.8M，CID:15535，LAC:52207，MCC:410，跨国公司：3，压水堆：-28
ARFCN:56，频率：946.2M，CID:0，LAC:0，MCC:0，MNC:0，压水堆：-50
ARFCN:66，频率：948.2M，CID:10001，LAC:470，MCC:410，MNC:6，压水堆：-27
ARFCN:79，频率：950.8M，CID:10003，LAC:470，MCC:410，MNC:6，压水堆：-43
ARFCN:82，频率：951.4M，CID:10002，LAC:470，MCC:410，跨国公司：6，压水堆：-36
ARFCN:100，频率：955.0M，CID:667，LAC:1007，MCC:410，MNC:3，压水堆：-27
脚本于2020-07-19 14:58:05+0500完成

可以看出，两个列表都未排序。现在，我打算在ubuntu终端上创建一个新的文本文件或atcleast输出，以便显示我当前频率列表中的频率，但不显示在数据库中。到目前为止，我还没找到黑客。我编写了一个shell脚本：

#! /bin/sh
clear
echo "                      */\*/\*/\*/\*/\*/\*/\*/\*/\*/\*/\*/\* "
echo "                      C O N F L I C T I N G   A R F C N s "
echo "                      *\/*\/*\/*\/*\/*\/*\/*\/*\/*\/*\/*\/* "
echo UNIQUE BTS TOWERS ARE


import bitarray
r = bitarray.bitarray(5000000000)

for line in open(alpha.txt):
    r[int(line)] = True

for line in open(Database.txt):
    if r[int(line)]:
        print line
#set(open(alpha.txt)) & set(open(Database.txt))
#sort Database.txt alpha.txt | uniq -u
#comm -3 alpha.txt Database.txt
#   Print lines in alpha.txt not in Database.txt
#words1 = set(open("Database.txt").read().split())
#words2 = set(open("alpha.txt").read().split())

#duplicates = words1.intersection(words2)
#uniques = words1.difference(words2).union(words2.difference(words1))

#print "Duplicates(%d):%s"%(len(duplicates),duplicates)
#print "\nUniques(%d):%s"%(len(uniques),uniques)


echo "The scan GSM frequencies are collected"
notify-send "COLLECTED!"
echo DONE!

我已经尝试过所有这些选择，但没有一个真正有效

db = open('Database.txt', 'r') 
dbLines = db.readlines()
alpha = open('alpha.txt', 'r') 
alphaLines = alpha.readlines()
output=[line for line in alphaLines if line not in  dbLines and line.startswith('ARFCN') ]

输出：

    ['ARFCN: 1004, Freq:  931.0M, CID: 36231, LAC:  7713, MCC: 410, MNC:   4, Pwr: -34\n',
 'ARFCN: 1008, Freq:  931.8M, CID: 47103, LAC:  7713, MCC: 410, MNC:   4, Pwr: -30\n',
 'ARFCN:   10, Freq:  937.0M, CID: 30911, LAC: 10470, MCC: 410, MNC:   1, Pwr: -33\n',
 'ARFCN:   49, Freq:  944.8M, CID: 15535, LAC: 52207, MCC: 410, MNC:   3, Pwr: -28\n',
 'ARFCN:   56, Freq:  946.2M, CID:     0, LAC:     0, MCC:   0, MNC:   0, Pwr: -50\n',
 'ARFCN:   79, Freq:  950.8M, CID: 10003, LAC:   470, MCC: 410, MNC:   6, Pwr: -43\n',
 'ARFCN:   82, Freq:  951.4M, CID: 10002, LAC:   470, MCC: 410, MNC:   6, Pwr: -36\n',
 'ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27\n']

---

下面是一个简单的GNU awk，它完成了（我认为）您正在尝试做的事情：

$ gawk 'BEGIN{FS=OFS=", "} NR==FNR{db[$1 $2 $3 $4 $5 $6]; next}
        $1~/ARFCN: / && !($1 $2 $3 $4 $5 $6 in db)' db.txt rec.txt

印刷品：

ARFCN:   56, Freq:  946.2M, CID:     0, LAC:     0, MCC:   0, MNC:   0, Pwr: -50
ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27

ARFCN: 1004, Freq:  931.0M, CID: 36231, LAC:  7713, MCC: 410, MNC:   4, Pwr: -34
ARFCN: 1008, Freq:  931.8M, CID: 47103, LAC:  7713, MCC: 410, MNC:   4, Pwr: -30
ARFCN:   10, Freq:  937.0M, CID: 30911, LAC: 10470, MCC: 410, MNC:   1, Pwr: -33
ARFCN:   49, Freq:  944.8M, CID: 15535, LAC: 52207, MCC: 410, MNC:   3, Pwr: -28
ARFCN:   56, Freq:  946.2M, CID:     0, LAC:     0, MCC:   0, MNC:   0, Pwr: -50
ARFCN:   79, Freq:  950.8M, CID: 10003, LAC:   470, MCC: 410, MNC:   6, Pwr: -43
ARFCN:   82, Freq:  951.4M, CID: 10002, LAC:   470, MCC: 410, MNC:   6, Pwr: -36
ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27

这是通过比较前6个字段并忽略

Pwr

来实现的，因为这可能随条件而变化

如果所有字段都相关，则可以简化为：

$ gawk 'BEGIN{FS=OFS=", "} NR==FNR{db[$0]; next}
       $1~/ARFCN: / && !($0 in db)' db.txt rec.txt

印刷品：

ARFCN:   56, Freq:  946.2M, CID:     0, LAC:     0, MCC:   0, MNC:   0, Pwr: -50
ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27

ARFCN: 1004, Freq:  931.0M, CID: 36231, LAC:  7713, MCC: 410, MNC:   4, Pwr: -34
ARFCN: 1008, Freq:  931.8M, CID: 47103, LAC:  7713, MCC: 410, MNC:   4, Pwr: -30
ARFCN:   10, Freq:  937.0M, CID: 30911, LAC: 10470, MCC: 410, MNC:   1, Pwr: -33
ARFCN:   49, Freq:  944.8M, CID: 15535, LAC: 52207, MCC: 410, MNC:   3, Pwr: -28
ARFCN:   56, Freq:  946.2M, CID:     0, LAC:     0, MCC:   0, MNC:   0, Pwr: -50
ARFCN:   79, Freq:  950.8M, CID: 10003, LAC:   470, MCC: 410, MNC:   6, Pwr: -43
ARFCN:   82, Freq:  951.4M, CID: 10002, LAC:   470, MCC: 410, MNC:   6, Pwr: -36
ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27

或者，如果您只想比较

ARFCN

字段：

$ gawk 'BEGIN{FS=OFS=", "} NR==FNR{db[$1]; next}
        $1~/ARFCN: / && !($1 in db)' db.txt rec.txt
ARFCN:  100, Freq:  955.0M, CID:   667, LAC:  1007, MCC: 410, MNC:   3, Pwr: -27

---

你明白了…

Python 3。取两组直线的交点。打印它们

print(*(set(open('alpha.txt')) & set(open('Databse.txt'))), sep='')

---

只要两个文件都能放在内存中，它就可以工作。

为什么要将其标记为Python？这很有局限性：文件以shell脚本

#开头/bin/sh

，然后继续作为Python（Python2-因为print语句），问题被标记为Python3…嘿，如果我有两个值相同的条目，比如说相同的ARFCN，我该怎么办。我该如何编写代码来挑出这一行呢？恐怕我不理解你的问题好的，所以我收到的数据，假设我们有两行，并且都有相同的ARFCN（例如25）。我需要一个代码指导，该代码将在输出中给出一个实例，其中两个带有ARFCN 25的条目都将显示。