Python - 在字典中查找重复的值对/组

Question

我有以下脚本，它循环遍历 css 规则的文本文件，并将每个规则及其属性存储在字典中（欢迎改进代码，我才刚刚开始使用 Python）：

findGroups.py

import sys
source = sys.argv[1]
temp = open('pythonTestFile.txt', 'w+')
di = {}
with open(source, 'r') as infile:
    for line in infile:
        # if line starts with . or #, contains _ or - between 
        # words and has a space and opening brace(ie is css rule name)
        if re.search('((([\.\-\'])?\w+\s?\{', line):
           key = line.replace("{", "")
           di[key] = []
           line = next(file)
           while "}" not in line:
               # remove trailing whitespace and \n 
               line = ' '.join(line.split())
               di[key].append(line)
               line = next(infile)
temp.close();

source.txt

* {
    min-height: 1000px;
    overflow: hidden;
}

.leftContainerDiv {
    font-family: Helvetica;
    font-size: 10px;
    background: white;
}

#cs_ht_panel{   
    font-family:10px;
    display:block;
    font-family:Helvetica;
    width:auto;
}
//...etc

我希望输出看起来像这样（也欢迎提出可读性建议）：

pythonTestFile.txt

Group 1, count(2) - font-family: Helvetica; + font-size: 10px;
Group 2: //...etc

我现在要做的是找出哪些 css 属性是重复出现的组，例如，如果 font-size: 10px 和 font-family: Helvetica 一起出现在一个规则中，那么这个组是否出现在其他任何一个组中规则以及它发生了多少次。

我不完全确定该去哪里，我什至不知道如何启动某种比较算法，或者字典是否是存储文本的正确数据结构。

编辑：回应评论，我无法使用第三方库。此脚本将在 Red Hat VM 上使用，并且只能将预先批准的软件推送到这些虚拟机上，我无法仅下载库或软件包

Answer 1

为每个 css 属性分配一个不同的素数，例如：

{
    'diplay: block': 2
    'font-size: 10px': 3,
    'font-family: Helvetica': 5,
    'min-height: 1000px': 7,
    'overflow: hidden': 11,
    'width: auto': 13,
    'background: white': 17,
}

然后创建一个字典，其中键是 css 选择器（您称之为“规则”），值是它所具有的所有属性的乘积：

{
    '#cs_ht_panel': 390, # 2 * 3 * 5 * 13
    '*': 77, # 7 * 11
    '.leftContainerDiv': 255, # 3 * 5 * 17
}

现在您可以轻松确定两件事：

• 哪些选择器（“规则”）具有属性x（由其素数表示）或一组属性{x,y,z,..}（由它们的素数的乘积表示）通过查看选择器编号是否可被该数整除.
  例如哪些选择器同时具有'font-family: Helvetica' (5) 和font-size: 10px (3)？所有且仅能被 15 整除的那些。
• 通过计算 GCD（最大公约数），两个选择器所具有的所有共同属性。
  例如GCD(390, 77) = 1 -> 它们没有共同的属性
  GCD(390, 255) = 15 -> 分解 -> 3 * 5

您还可以通过遍历所有选择器值来找到最常见的组，找到所有非素数的正确除数，并保留一个字典来保存已找到的除数的数量。每个除数都是一个组，你可以通过因式分解找到它的元素。

• 390 -> 6 10 15 26 30 39 65 78 130 195
• 255 -> 15 51 85
• 77 ->

所以你有两次 15，其他的都是 1 次。这意味着组 15 出现了 2 次，即属性 3 和 5 的组。

最后一个计算步骤是 2^n，其中 n 是该 css 选择器中的属性数。这应该不是问题，因为大多数选择器的属性少于 10 个，但超过 20 个属性，您就会遇到麻烦。我建议通过删除前缀（moz-、webkit-）和后缀（-left、-right、-top、-bottom）来压缩属性

您可以（并且可能应该，对于具有数百行的真实 CSS 文件）仅使用集合及其操作（交集等）而不是数字、乘积和素数来完成所有这些操作；但这不是更酷吗？ ;)

Answer 2

基于上述想法的解决方案 - 而不是使用素数 - 我使用的是集合和有序列表。可能这就是你想要的吗？

import re
import itertools

f = open('css_test.txt', 'r')
lines = f.readlines()
lines_str = ' '.join([l.strip() for l in lines])
#print lines_str

r = re.compile(r'.*?{(.*?)}') # Get All strings between {}
groups = r.findall(lines_str)
#print groups

# remove any stray spaces in the string and create groups of attributes like
# style: value
grps = []
for grp in groups:
    grps.append(filter(lambda x: len(x) > 0, grp.strip().split(';')))


# clean up those style: value attributes so that we get 'style:value'
# without any spaces and also collect all such attributes (we'd later create
# a set of these attributes)
grps2 = []
all_keys = []
for grp in grps:
    grp2 = []
    for g in grp:
        x = ':'.join([x.strip() for x in g.split(':')])
        grp2.append(x)
        all_keys.append(x)
    grps2.append(grp2)
set_keys = set(sorted(all_keys))

print set_keys
print '***********'
set_dict = {}
# For each combination of 2 of keys in the set find intersection of this
# set with the set of keys in the cleaned up groups above
# if intersection is the set of 2 keys: initialize a dictionary or add 1
for x in itertools.combinations(set_keys, 2):
    for g in grps2:
        set_x = set(x)
        set_g = set(g)
        #print "set_g : ", set_g
        if set_x  & set_g == set_x:
            print set_x
            if set_dict.has_key(x):
                set_dict[x] += 1
            else:
                set_dict[x] = 1

# print everything
print set_dict

即使此解决方案与您想要的不完全匹配 - 也许您可以按照上述思路来达到您想要做的事情？