迭代通过文件多次

Question

我有一个文件，其中每行是一个数字：

567 
345 
456 
123 

第二个文件具有相同的数字，像这样的行：

something1 123 something2 
something3 345 something4 
something5 456 something6 
something7 567 something7 

所以，第二个文件的数字是有序的，第一个文件没有。我想重新排序第二个文件是这样的：

something7 567 something7 
something3 345 something4 
something5 456 something6 
something1 123 something2 

我不知道如何遍历第二个文件多次。当我从第一个文件中获取第一个值并在第二个文件中查找它时，它将搜索第二个文件，并且不会再次重新遍历它。

Answer 1

通过文件遍历多次是可能的（您可以通过调用thefile.seek()来重置文件，但可能是很昂贵。

比方说，你有一个函数来确定给定行键号一般性，e.g

def getkey(line): 
    return line.split()[1] 

在你的例子，其中的关键是在三号线空格分开的话第二

。现在，如果对第二个文件中的数据将舒适地适合RAM（所以到几GB - 认为这将需要多长时间重复几百次对是 - ！）...：

key2line = {} 
with open(secondfile) as f: 
    for line in f: 
     key2line[getkey(line)] = line 

with open(firstfile) as f: 
    order = [line.strip() for line in f] 

with open(outputfile, 'w') as f: 
    for key in order: 
     f.write(key2line[key]) 

现在是不是一个非常明确和有效的方法...？

如果第二个文件太大了一个小的因素，比如说10倍左右，你实际上可以放进内存中的东西，那么你仍然可以在文件中大量跳转的情况下解决它，通过使用寻找和告诉。

第一个环路将成为：

key2offset = {} 
with open(secondfile) as f: 
    offset = 0 
    for line in f: 
     new_offset = f.tell() 
     key2line[getkey(line)] = offset 
     offset = new_offset 

和最后一个循环将成为：

with open(secondfile) as f: 
    with open(outputfile, 'w') as f1: 
     for key in order: 
      f.seek(key2offset[key]) 
      line = f.readline() 
      f1.write(line) 

复杂一点，多慢 - 但仍然方式比重新快 - 读数十亿次，一遍又一遍，一个数十GB的文件！）

Answer 2

看看使用seek()。一旦完成了一次文件，请执行[fileobject] .seek（），然后您可以再次通过该文件。

此外，seek（）默认会转到文件的开头，如果您想要文件中的某个点可以传递参数。