查找文件中缺少的行

Question

我有一个 7000 多行的 .txt 文件，其中包含描述和图像的有序路径。示例：

abnormal /Users/alex/Documents/X-ray-classification/data/images/1.png
abnormal /Users/alex/Documents/X-ray-classification/data/images/2.png
normal /Users/alex/Documents/X-ray-classification/data/images/3.png
normal /Users/alex/Documents/X-ray-classification/data/images/4.png

缺少某些行。我想以某种方式自动搜索缺失的行。我直觉地写道：

f = open("data.txt", 'r')
lines = f.readlines()
num = 1
for line in lines:
    if num in line:
        continue
    else:
        print (line)
    num+=1

但它当然没有用，因为行是字符串。 有什么优雅的方法可以解决这个问题吗？也许使用正则表达式？ 提前致谢！

Answer 1

以下应该可以工作 - 它从文件名中获取数字，查看它是否比前一个数字高 1 以上，如果是，则计算出所有“中间”数字并打印它们。需要打印数字（然后稍后重建文件名），因为line 在迭代期间永远不会包含丢失文件的名称。

# Set this to the first number in the series -1
num = lastnum = 0

with open("data.txt", 'r') as f:
    for line in f:
        # Pick the digit out of the filename
        num = int(''.join(x for x in line if x.isdigit()))
        if num - lastnum > 1:
          for i in range(lastnum+1, num):
            print("Missing: {}.png".format(str(i)))
        lastnum = num

这种工作方式的主要优点是，只要您的文件在列表中排序，它就可以处理从1以外的数字开始，并且还报告序列中多个缺失的数字。

Answer 2

你可以试试这个：

lines = ["abnormal /Users/alex/Documents/X-ray-classification/data/images/1.png","normal /Users/alex/Documents/X-ray-classification/data/images/3.png","normal /Users/alex/Documents/X-ray-classification/data/images/4.png"]
maxvalue = 4 # or any other maximum value
missing = []
i = 0
for num in range(1, maxvalue+1):
    if str(num) not in lines[i]:
        missing.append(num)
    else:
      i += 1

print(missing)

或者如果你想检查以XXX.png结尾的行：

lines = ["abnormal /Users/alex/Documents/X-ray-classification/data/images/1.png","normal /Users/alex/Documents/X-ray-classification/data/images/3.png","normal /Users/alex/Documents/X-ray-classification/data/images/4.png"]
maxvalue = 4 # or any other maximum value
missing = []
i = 0
for num in range(1, maxvalue+1):
    if not lines[i].endswith(str(num) + ".png"):
        missing.append(num)
    else:
      i += 1

print(missing)

示例：here