查找以相同字符串开头的行并保留最后一次出现答案

【问题标题】：Find lines beginning with same string and keep last occurance查找以相同字符串开头的行并保留最后一次出现
【发布时间】：2011-10-11 14:59:53
【问题描述】：

我有这些数据：

E 71484666NC 1201011060240260 387802-1227810  1022    25   0   5   2   313D 0 1G5
E 71484666NC 1201011060240263 387902-1227910  1300    10   0   2   1   300D 0 1A5
E 10115693AK 1201011060617450 658160-1517007   021 10  0 896  71   4   131L 2 AA2
E 10310002PR 0201011060102315 191509 -664820 39726  5  5 935  50  46 21282D 5 0hn

我需要找到以相同的前 12 个字符开头的行。如果有多个，我需要删除以前的出现，只保留最后一个。所以应该是这样的：

E 71484666NC 1201011060240263 387902-1227910  1300    10   0   2   1   300D 0 1A5
E 10115693AK 1201011060617450 658160-1517007   021 10  0 896  71   4   131L 2 AA2
E 10310002PR 0201011060102315 191509 -664820 39726  5  5 935  50  46 21282D 5 0hn

注意：在大多数情况下，前 12 个字符之后的字符不匹配...所以检查重复行不是一个选项。

注意：需要保留顺序。

【问题讨论】：

如果您的问题有帮助，请记住接受您的问题的答案（最后四个问题您没有回答）。
@agf，是的，我会这样做。在过去的四个中，我没有令人满意的答案。（除了一个还在等待我这边的测试）

标签： python search text duplicates ordereddictionary

【解决方案1】：

使用字典，以前 12 个字符为键：

mydict = {}
for line in file:
    key = line[:12]
    value = line
    mydict[key] = line

这会自动覆盖所有以前的条目。

【讨论】：

然后看agf的解决方案。如果您需要一致的顺序，这将更适合。

【解决方案2】：

from collections import OrderedDict

lines = OrderedDict()
for line in file:
    lines[line[0:12]] = line

这将保留行的顺序，同时消除重复。

编辑：This version of OrderedDict 适用于 Python 2.4、2.5 和 2.6。

【讨论】：

【解决方案3】：

from collections import OrderedDict

mydata = """E 71484666NC 1201011060240260 387802-1227810  1022    25   0   5   2   313D 0 1G5
E 71484666NC 1201011060240263 387902-1227910  1300    10   0   2   1   300D 0 1A5
E 10115693AK 1201011060617450 658160-1517007   021 10  0 896  71   4   131L 2 AA2
E 10310002PR 0201011060102315 191509 -664820 39726  5  5 935  50  46 21282D 5 0hn"""

datalines = mydata.split('\n')
uniques = OrderedDict((x[:12],x[12:]) for x in datalines)
final = [x+y for x,y in uniques.items()]

for x in final:
  print x

这会产生：

E 71484666NC 1201011060240263 387902-1227910  1300    10   0   2   1   300D 0 1A5
E 10115693AK 1201011060617450 658160-1517007   021 10  0 896  71   4   131L 2 AA2
E 10310002PR 0201011060102315 191509 -664820 39726  5  5 935  50  46 21282D 5 0hn

【讨论】：

不保留行的顺序。
他最初并没有要求这样做，但我已经对其进行了编辑，使其正确。谢谢。