python - 如何根据 id 从给定的文本文件中提取字符串的第一个、第二个和最后一个实例？

Question

我有一个文本文件，其中包含以下形式的字符串:

66_0M100
66_1M101
66_2M102
66_3M103
66_4M103
66_5M103
67_0M100
67_1M102
67_2M105
67_3M103
67_4M106

“M”前的数字代表实例数。我必须提取每个 id 的第一个、第二个和最后一个实例(id 是字符串的第一部分，在下划线之前。这里是 66 和 67)。此外，如果有任何 id 没有至少 3 个实例，则应忽略。

例如，id 66 和 67 的输出将是:

66_0M100 (1st instance of 66)
66_1M101 (2nd instance of 66)
66_5M103 (last instance of 66)
67_0M100 (1st instance of 67)
67_1M102 (2nd instance of 67)
67_4M106 (last instance of 67)

此输出应写入新的文本文件。

我尝试了以下代码，它为我提供了第一个和第二个实例，但我无法提取最后一个实例。

import numpy as np
from collections import defaultdict
data = defaultdict(list)
for fileName in ["list.txt"]:
    with open(fileName,'r') as file1:
        for line in file1:
            col1,col2 = line.split("_")
            for i in np.unique(col1):
                id1,id2 = col2.split("M")
                if ((int(id1) == 0) or (int(id1) == 1)):
                    print(line)

Answer 1

一个简单的正则表达式、groupby 和 itemgetter 可以解决这个问题:

from itertools import groupby
from operator import itemgetter
import re

pat = re.compile(r'^(\d\d)_')

def search_for_id(line):
    m = pat.search(line)
    return m.group(1) if m else ''

with open('list.txt') as f:
    which_ones = itemgetter(0, 1, -1)

    for id_key, group in groupby(f, search_for_id):
        items = list(group)
        if id_key and len(items) >= 3:
            selected_items = which_ones([x.strip() for x in items])
            print(selected_items)