python - 如何将多个文件中的行号提取到单个文件

Question

我正在开发一个统计机器翻译项目，其中一个文件夹 (linenumberfiles/) 中有 15 个文件。每个文件包含多个行号，格式如下(每行一个行号):

12

15

19

我想从 15 个文件中的每个文件中提取 10 个随机行号到单个输出文件 (OutputLinesFile) 棘手的部分是一些文件可能包含少于 10 个行号，在这种情况下我会喜欢将尽可能多的行号提取到输出文件中。输出文件的格式应与输入文件相同(每行一个行号)。这是我到目前为止的代码:

import glob
OutputLinesFile = open('OutputLineNumbers', 'w')
inputfiles=glob.glob('linenumberfiles/*')

for file in inputfiles:
    readfile=open(file).readlines()
    OutputLinesFile.write( str(readfile) )
OutputLinesFile.close() 

有人知道如何解决这个问题吗？预先感谢您的帮助!

Answer 1

您可以在此处使用random.shuffle 和列表切片:

import glob
import random
count = 10      #fetch at least this number of lines

with open('OutputLineNumbers', 'w') as fout:
   inputfiles=glob.glob('linenumberfiles/*')
   for file in inputfiles:
       with open(file) as f:
           lines = f.readlines()
           random.shuffle(lines)             #shuffle the lines
       fout.writelines(lines[:count]) #pick at most first 10 lines

或使用random.randrange:

lines = f.readlines()
lines = [ lines[random.randrange(0, len(lines)] for _ in xrange(count) ]

然后:fout.writelines(lines)