Python 如何从列表中删除几乎重复的整数？

我正在用Python解析一些PDF。这些PDF可视地组织成行和列。pdftohtml脚本将这些PDF转换为XML格式，其中充满了没有任何层次结构的松散的

标记。然后，我的代码需要将这些

标记重新排序为行

由于每个

标记都有类似于“top”或“left”坐标的属性，因此我编写了代码将具有相同“top”坐标的

项附加到列表中。此列表实际上是一行

我的代码首先在页面上迭代，找到所有唯一的“top”值，并将它们附加到tops列表中。然后，它迭代这个tops列表。对于每个唯一的顶部值，它将搜索具有该“顶部”值的所有项目，并将其添加到行列表中

for side in page:
    tops = list( set( [ d['top'] for d in side ] ) )
    tops.sort()
    for top in tops:
        row = []
        for blob in side:
            if int(blob['top']) == int(top):
                row.append(blob)
        rows.append(row)

这段代码适用于我正在解析的大部分PDF。但在某些情况下，同一行中的项目的顶部值略有不同，相差一到两个

我正试图调整我的代码，使之变得更模糊

底部的比较似乎很容易修正。大概是这样的：

        for blob in side:
            rangeLower = int(top) - 2
            rangeUpper = int(top) + 2
            thisTop = int(blob['top'])
            if rangeLower <= thisTop <= rangeUpper :
                row.append(blob)

在这些边缘情况下，我最终得到了如下列表：

[925, 946, 966, 995, 996, 1015, 1035]

我如何调整代码以避免列表中出现“995”和“996”？我想确保当整数之间的距离在1或2以内时，我只得到一个值

• 对列表进行排序，使接近值彼此相邻
• 使用

  reduce

  根据以前的值过滤该值

代码：

具有多个连续值：

>>> tops = range(10)
>>> reduce(lambda x, y: x + [y] if len(x) == 0 or y > x[-1] + threshold else x, sorted(tops), [])
[0, 3, 6, 9]

编辑 Reduce阅读起来可能有点麻烦，因此这里有一个更简单的方法：

res = []
for item in sorted(tops):
    if len(res) == 0 or item > res[-1] + threshold:
        res.append(item)

• 对列表进行排序，使接近值彼此相邻
• 使用

  reduce

  根据以前的值过滤该值

代码：

具有多个连续值：

>>> tops = range(10)
>>> reduce(lambda x, y: x + [y] if len(x) == 0 or y > x[-1] + threshold else x, sorted(tops), [])
[0, 3, 6, 9]

编辑 Reduce阅读起来可能有点麻烦，因此这里有一个更简单的方法：

res = []
for item in sorted(tops):
    if len(res) == 0 or item > res[-1] + threshold:
        res.append(item)

---

@njzk2的答案也适用，但该函数实际上显示了正在发生的事情，并且更容易理解：

>>> def sort(list):
...     list.sort() #sorts in ascending order
...     x = range(0, len(list), 1) #gets range
...     x.reverse() #reverses
...     for k in x:
...             if list[k]-1 == list[k-1]: #if the list value -1 is equal to the next,
...                     del(list[k-1])     #remove it
...     return list #return
... 
>>> tops = [925, 946, 966, 995, 996, 1015, 1035]
>>> sort(tops)
[925, 946, 966, 996, 1015, 1035]
>>> 

---

@njzk2的答案也适用，但该函数实际上显示了正在发生的事情，并且更容易理解：

>>> def sort(list):
...     list.sort() #sorts in ascending order
...     x = range(0, len(list), 1) #gets range
...     x.reverse() #reverses
...     for k in x:
...             if list[k]-1 == list[k-1]: #if the list value -1 is equal to the next,
...                     del(list[k-1])     #remove it
...     return list #return
... 
>>> tops = [925, 946, 966, 995, 996, 1015, 1035]
>>> sort(tops)
[925, 946, 966, 996, 1015, 1035]
>>> 

---

如果您的列表中有

1,2,3,4,5

，您会选择哪一个？1和4？1号和5号？2号和5号？3？在我正在解析的PDF中，行的间距始终至少为20个单位，因此我不认为最终会出现这样的列表。如果列表中有

1,2,3,4,5

，您会选择哪一个？1和4？1号和5号？2号和5号？3？在我正在分析的PDF中，行之间的间隔始终至少为20个单位，因此我不认为最终会出现这样的列表。您能在第一个代码示例中介绍一下reduce（）行吗？这看起来是我需要的，我只是想了解发生了什么。reduce是这样工作的。它获取第一个值（在本例中是最后一个参数，

[]

空列表），然后调用lambda，其中x是该值，y是列表的第一个值。然后，它重复调用，x是上一次调用的结果，y是列表中的下一项。它返回最终结果。例如，

reduce（lambda x，y:x+[y]，tops，[]）

复制

tops

如果lambda中的测试内容大于上一个元素+阈值，则只追加

y

。这个条件是充分的，因为列表是单调增长的。（

len（x）=0

被添加到测试中以说明第一次迭代。）

a if条件else b

是python中的三元表示法。如果条件为真，它将返回a，如果条件为假，它将返回b。您能让我看看第一个代码示例中的reduce（）行吗？这看起来是我需要的，我只是想了解发生了什么。reduce是这样工作的。它获取第一个值（在本例中是最后一个参数，

[]

空列表），然后调用lambda，其中x是该值，y是列表的第一个值。然后，它重复调用，x是上一次调用的结果，y是列表中的下一项。它返回最终结果。例如，

reduce（lambda x，y:x+[y]，tops，[]）

复制

tops

如果lambda中的测试内容大于上一个元素+阈值，则只追加

y

。这个条件是充分的，因为列表是单调增长的。（

len（x）=0

被添加到测试中以说明第一次迭代。）

a if条件else b

是python中的三元表示法。如果条件为真，则返回a；如果条件为假，则返回b。

del（列表[k-1]）

效率极低。您不需要

反转

，只需使用

范围（len（top）-1，-1，-1）

。如果要使用

reverse

，请使用

reversed

，它返回迭代器，而不是执行完整的就地反转过程。该问题在1或2个相互之间提到

，因此1是不够的。此外，您在1上迭代的项目太多，因为k低至0。（如果您测试的项目相等且所有项目都相等，则返回空列表）此外，您确实不应该命名列表
list
。此外，这会修改（就地排序）输入列表。这可能不是想要的效果。（虽然函数名的确表示
sort
）
del（list[k-1]）
效率很低。您不需要
反转
，只需使用
范围（len（top）-1，-1，-1）
。如果要使用
reverse
，请使用
reversed
，它返回迭代器，而不是执行完整的就地反转过程。该问题在1或2个相互之间提到
，因此1是不够的。此外，您在1上迭代的项目太多，因为k低至0。（如果您测试的项目相等，并且所有项目都相等，那么将返回一个空列表）此外，您真的不应该这样做