Python 小工具之大文件去重
python针对大文件去重:
import sys import hashlib def gen_md5(data): """ 生成md5 :param data: 字符串数据 :return: """ md5 = hashlib.md5() md5.update(data.encode('utf-8')) return md5.hexdigest() def big_file_remove_same(input_file, output_file): """ 针对大文件文件去重(将文件文件写在一行的,没有办法去重) :param input_file: :param output_file: :return: """ finger_print_set = set() with open(input_file, 'r', encoding='utf-8') as f, open(output_file, 'w', encoding='utf-8') as ff,open('dumple.txt', 'w', encoding='utf-8') as fff: for line in f: line_string = line.strip() finger_print = gen_md5(line_string) if finger_print not in finger_print_set: finger_print_set.add(finger_print) ff.write(line) else: fff.write(line) if __name__ == "__main__": big_file_remove_same(sys.argv[1],sys.argv[2])
不论你在什么时候开始,重要的是开始之后就不要停止。
不论你在什么时候结束,重要的是结束之后就不要悔恨。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律