Python 如何打印不包含其他文件中任何字符串的文件行

我有两个文件，希望使用python查找第二个文件中不包含第一个文件中任何字符串的所有行

文件1：

文件2：

期望输出：

Berries GGHLSKSKSJD JSJSJS
Cats HHLFKDKDOS

我开始写这个脚本（如下），但后来意识到它会打印出第二个文件中的每一行，其中不包含第一个文件中的每个单词，用于第一个文件的每次迭代。有人能帮忙吗

import sys

headers = list()

with open(sys.argv[1], 'r') as search_list:
    for line in search_list:
        headers.append(line.rstrip())

for record in open(sys.argv[2], 'r'):
    for head in headers:
        if head not in record:
            print record

---

下面是一段代码：

expected_lines = [line.strip() for line in open('file1', 'r').readlines()]
absent_lines = []

for line in open('file2', 'r'):
    exists = False
    for expected in expected_lines:
        if expected in line:
            exists = True

    if not exists:
        absent_lines.append(line.strip())

print absent_lines

输出：

['Cats HHLFKDKDOS', 'Berries GGHLSKSKSJD JSJSJS']

---

它做什么 1提取预期行 此行创建

file1

中所有剥离行的列表（剥离以删除每行末尾的

\n

）

2.初始化输出列表 这只是存储要输出的行的列表

3.在文件2中循环并查找缺少的行 for循环只需在

file2

中的行上迭代，并检查当前

file2

行中是否不存在

file1

中预期的行

因为您想测试字符串中是否存在一组单词，所以必须在确保这些单词中的任何一个存在之前遍历所有单词集

4.如果没有匹配项，则追加到输出列表

---

---

如果您不想存储输出，而只想打印输出，那么您可以使用set运算符替换

缺少的行。append（line.strip（））

by

print line

import sys

headings = set(open(sys.argv[1], "r").read().split('\n'))

for record in open(sys.argv[2], 'r'):
    r = set(record.split(' ')
    if len(headings.intersection(r)) == 0:
        print record

---

一切正常，您只需更改上一个

循环

：

for record in open(sys.argv[2], 'r'):
    if record.split()[0] not in headers:
        print(record.strip())

Cats HHLFKDKDOS
Berries GGHLSKSKSJD JSJSJS

---

您还可以使用正则表达式联合：

file_1 = """Apples
Frogs
Beans
Dogs
Lemons
Oranges"""

import re
avoid_words = re.compile('|'.join(re.escape(word) for word in file_1.splitlines()))
# Apples|Frogs|Beans|Dogs|Lemons|Oranges

并拒绝与此模式匹配的行：

file_2 = """Frogs THAKJD
Beans THSHSKOO
Cats HHLFKDKDOS
Dogs PHOODLLSI PSODIW
Lemons OOPOETHTH ROROR
Berries GGHLSKSKSJD JSJSJS
Apples THKDHS
Oranges EHTHTJEJ"""
selected_lines = [line for line in file_2.splitlines() if not avoid_words.match(line)]
# ['Cats HHLFKDKDOS', 'Berries GGHLSKSKSJD JSJSJS']

作为奖励，您可以确保在

“^”中只考虑第一个单词：

avoid_words = re.compile('^('+'|'.join(re.escape(word) for word in file_1.splitlines())+')')
# ^(Apples|Frogs|Beans|Dogs|Lemons|Oranges)

或者仅使用
r'\b'
作为单词边界的完整单词：

avoid_words = re.compile(r'\b('+'|'.join(re.escape(word) for word in file_1.splitlines())+r')\b')
# \b(Apples|Frogs|Beans|Dogs|Lemons|Oranges)\b

您的文件的
类型是什么？例如csv、tsv？
for record in open(sys.argv[2], 'r'):
    if record.split()[0] not in headers:
        print(record.strip())

Cats HHLFKDKDOS
Berries GGHLSKSKSJD JSJSJS

file_1 = """Apples
Frogs
Beans
Dogs
Lemons
Oranges"""

import re
avoid_words = re.compile('|'.join(re.escape(word) for word in file_1.splitlines()))
# Apples|Frogs|Beans|Dogs|Lemons|Oranges

file_2 = """Frogs THAKJD
Beans THSHSKOO
Cats HHLFKDKDOS
Dogs PHOODLLSI PSODIW
Lemons OOPOETHTH ROROR
Berries GGHLSKSKSJD JSJSJS
Apples THKDHS
Oranges EHTHTJEJ"""
selected_lines = [line for line in file_2.splitlines() if not avoid_words.match(line)]
# ['Cats HHLFKDKDOS', 'Berries GGHLSKSKSJD JSJSJS']

avoid_words = re.compile('^('+'|'.join(re.escape(word) for word in file_1.splitlines())+')')
# ^(Apples|Frogs|Beans|Dogs|Lemons|Oranges)

avoid_words = re.compile(r'\b('+'|'.join(re.escape(word) for word in file_1.splitlines())+r')\b')
# \b(Apples|Frogs|Beans|Dogs|Lemons|Oranges)\b