- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我在比较两个文件时遇到了问题。基本上,我想要做的是在两个文件之间进行类似 UNIX 的差异,例如:
$ diff -u 左文件右文件
但是我的两个文件包含 float ;并且因为这些文件是在不同的体系结构上生成的(但计算相同的东西),所以 float 值并不完全相同(它们可能相差 1e-10)。但是我通过“比较”文件寻求的是找到我认为是显着差异的东西(例如差异大于 1e-4);在使用 UNIX 命令 diff 时,我几乎所有包含 float 值的行都不同!这就是我的问题:如何获得像“diff -u”提供的结果差异,但对 float 比较的限制较少?
我想我会写一个 Python 的脚本来做到这一点,并找到了提供 diff-like 比较的模块 difflib。但是我找到的文档解释了如何按原样使用它(通过单一方法),并解释了内部对象,但是我找不到任何关于如何自定义 difflib 对象以满足我的需要的信息(比如只重写比较方法或这样)......我想一个解决方案可能是检索统一的差异,并“手动”解析它以删除我的“错误”差异,这并不优雅;我更愿意使用已经存在的框架。
那么,有人知道如何定制这个库以便我可以做我想做的事吗?或者至少给我指出正确的方向...如果不是用 Python,也许 shell 脚本可以胜任这项工作?
任何帮助将不胜感激!预先感谢您的回答!
最佳答案
在您的情况下,我们专注于 general case :在我们将东西传递给 difflib 之前,我们需要检测并单独处理包含 float 的行。这是一个基本方法,如果你想生成增量、上下文行等,你可以在此基础上构建。请注意,将 float 作为实际 float 而不是字符串进行模糊比较更容易(尽管您可以编写逐列差异代码,并忽略 1-e4 之后的字符)。
import re
float_pat = re.compile('([+-]?\d*\.\d*)')
def fuzzydiffer(line1,line2):
"""Perform fuzzy-diff on floats, else normal diff."""
floats1 = float_pat.findall(line1)
if not floats1:
pass # run your usual diff()
else:
floats2 = float_pat.findall(line2)
for (f1,f2) in zip(floats1,floats2):
(col1,col2) = line1.index(f1),line2.index(f2)
if not fuzzy_float_cmp(f1,f2):
print "Lines mismatch at col %d", col1, line1, line2
continue
# or use a list comprehension like all(fuzzy_float_cmp(f1,f2) for f1,f2 in zip(float_pat.findall(line1),float_pat.findall(line2)))
#return match
def fuzzy_float_cmp(f1,f2,epsilon=1e-4):
"""Fuzzy-compare two strings representing floats."""
float1,float2 = float(f1),float(f2)
return (abs(float1-float2) < epsilon)
一些测试:
fuzzydiffer('text: 558.113509766 +23477547.6407 -0.867086648057 0.009291785451',
'text: 558.11351 +23477547.6406 -0.86708665 0.009292000001')
作为奖励,这里有一个突出显示列差异的版本:
import re
float_pat = re.compile('([+-]?\d*\.\d*)')
def fuzzydiffer(line1,line2):
"""Perform fuzzy-diff on floats, else normal diff."""
floats1 = float_pat.findall(line1)
if not floats1:
pass # run your usual diff()
else:
match = True
coldiffs1 = ' '*len(line1)
coldiffs2 = ' '*len(line2)
floats2 = float_pat.findall(line2)
for (f1,f2) in zip(floats1,floats2):
(col1s,col2s) = line1.index(f1),line2.index(f2)
col1e = col1s + len(f1)
col2e = col2s + len(f2)
if not fuzzy_float_cmp(f1,f2):
match = False
#print 'Lines mismatch:'
coldiffs1 = coldiffs1[:col1s] + ('v'*len(f1)) + coldiffs1[col1e:]
coldiffs2 = coldiffs2[:col2s] + ('^'*len(f2)) + coldiffs2[col2e:]
#continue # if you only need to highlight first mismatch
if not match:
print 'Lines mismatch:'
print ' ', coldiffs1
print '< ', line1
print '> ', line2
print ' ', coldiffs2
# or use a list comprehension like
# all()
#return True
def fuzzy_float_cmp(f1,f2,epsilon=1e-4):
"""Fuzzy-compare two strings representing floats."""
print "Comparing:", f1, f2
float1,float2 = float(f1),float(f2)
return (abs(float1-float2) < epsilon)
关于python - Python生成两个文件的 "fuzzy"差异,带float的近似比较,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3108274/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!