Skip to main content
actualización en base a nueva información.
Origen Enlace

Parece que hay varios problemas.

  • Usar solo la información antes del patrón.
  • Guardar solo la información relevante.

Para el primer problema he creado la función corta que solo usa la información del fichero hasta que encuentra el patrón.

En lugarla segunda parte, creo que tu problema es que estás repitiendo información en el fichero de usar expresiones regulares podrías usarsalida de forma innecesaria. Si lo que quieres obtener en el métodofichero de salida solo son las coincidencias de líneas entre dos ficheros para la información que se encuentra delante del patrón en cada uno de los ficheros deberías modificar la línea:

file_out.write(files[i] + "-"+ files[j] + ": "+str(same)+"\n")

[última línea de la función findbuscarCoincidencias]

En lugar de loscopiar el contenido de strings para localizar donde ocurrecontain estás copiando todo el patrón a detectar y descartarloset same provocando que en cada iteración tengas la misma información repetida. Por ejemplo

He modificado un poco la función buscarCoincidencias para que haga lo que creo que necesitas.

El código final sería así:

string_completoimport os
import glob
import re

path = """'D:/Python/detectar_coincidencias/1/procesar1'
extension Lorem= ipsum'*.txt'

def dolorcorta(fileobj):
 sit amet,  data = []
consectetur adipiscing elit  for line in fileobj.readlines():
        if '----- Original message -----' in line:
Sed eleifend felis libero,         break
eu tempor lacus condimentum id.    else:
Proin mollis et lorem vitae venenatis       data.append(line.strip())
    return data
Nulla
def acomparar_linea(file1, arcufile2):
 at quam eleifend iaculis.data1 = corta(file1)
Donec elementum ut lacus atdata2 iaculis= corta(file2)
    same = set(data1).intersection(data2)
    same.discard('\n')
Nam vestibulum nisl vitae maurissame.discard('MIME-Version: iaculis1.0')
 gravida   same.discard('Return-Path: <>')
Aliquam facilisis leo lorem, same.discard('DKIM-Signature: v=1; a=rsa-sha1; c=relaxed/relaxed;')
eu accumsan dui faucibus velsame.discard('Precedence: bulk')
Nunc ut ultricies leo same.discard('Content-Type: multipart/alternative;')
    same.discard('Content-Transfer-Encoding: quoted-printable')
    same.discard('Content-Type: text/html;')
    same.discard('Content-Transfer-Encoding: Originalbase64')
 message   same.discard('Content-Type: text/plain; charset=UTF-8')
    same.discard('padding-top:0px; font-family: Arial, Helvetica, sans-serif; color: =')
Nunc condimentum neque eu urnareturn eleifendsame

def sodales.buscarCoincidencias(path, extension):
Quisque dictum sed ante inwith venenatisopen('coincidencias.txt', 'w') as file_out:
Nunc congue accumsan metus     os."""chdir(path)
        files = glob.glob(extension)
patron        for i in range(len(files)):
            for j in range(i+1, len(files)):
                with open(files[i]) as file1:
                    with open(files[j], 'r') as file2:
                        same = comparar_linea(file1, file2)
                        inicio = False
                        for contain in same:
                            if contain:
                                if not inicio:
                                    file_out.write(files[i] + "-----"+ Originalfiles[j] message+ -----"
 : ")
string_recortado                                    inicio = string_completo[:string_completoTrue
                                file_out.findwrite(patroncontain + ',,,')]
                        file_out.write('\n') 

buscarCoincidencias(path, extension)

Esto solo valdría para el primer patron encontrado ya queComo separador de las líneas coincidentes entre dos ficheros he usado find,,, te devuelve la primera ocurrencia. Modifícalo como consideres.

En lugar de usar expresiones regulares podrías usar el método find de los strings para localizar donde ocurre el patrón a detectar y descartarlo. Por ejemplo:

string_completo = """ Lorem ipsum dolor sit amet, 
consectetur adipiscing elit. 
Sed eleifend felis libero, 
eu tempor lacus condimentum id. 
Proin mollis et lorem vitae venenatis. 
Nulla a arcu at quam eleifend iaculis. 
Donec elementum ut lacus at iaculis. 
Nam vestibulum nisl vitae mauris iaculis gravida. 
Aliquam facilisis leo lorem, 
eu accumsan dui faucibus vel. 
Nunc ut ultricies leo.
----- Original message -----
Nunc condimentum neque eu urna eleifend sodales. 
Quisque dictum sed ante in venenatis. 
Nunc congue accumsan metus."""

patron = "----- Original message -----"
 
string_recortado = string_completo[:string_completo.find(patron)] 

Esto solo valdría para el primer patron encontrado ya que find te devuelve la primera ocurrencia.

Parece que hay varios problemas.

  • Usar solo la información antes del patrón.
  • Guardar solo la información relevante.

Para el primer problema he creado la función corta que solo usa la información del fichero hasta que encuentra el patrón.

En la segunda parte, creo que tu problema es que estás repitiendo información en el fichero de salida de forma innecesaria. Si lo que quieres obtener en el fichero de salida solo son las coincidencias de líneas entre dos ficheros para la información que se encuentra delante del patrón en cada uno de los ficheros deberías modificar la línea:

file_out.write(files[i] + "-"+ files[j] + ": "+str(same)+"\n")

[última línea de la función buscarCoincidencias]

En lugar de copiar el contenido de contain estás copiando todo el set same provocando que en cada iteración tengas la misma información repetida.

He modificado un poco la función buscarCoincidencias para que haga lo que creo que necesitas.

El código final sería así:

import os
import glob
import re

path = 'D:/Python/detectar_coincidencias/1/procesar1'
extension = '*.txt'

def corta(fileobj):
    data = []
    for line in fileobj.readlines():
        if '----- Original message -----' in line:
            break
        else:
            data.append(line.strip())
    return data

def comparar_linea(file1, file2):
    data1 = corta(file1)
    data2 = corta(file2)
    same = set(data1).intersection(data2)
    same.discard('\n')
    same.discard('MIME-Version: 1.0')
    same.discard('Return-Path: <>')
    same.discard('DKIM-Signature: v=1; a=rsa-sha1; c=relaxed/relaxed;')
    same.discard('Precedence: bulk')
    same.discard('Content-Type: multipart/alternative;')
    same.discard('Content-Transfer-Encoding: quoted-printable')
    same.discard('Content-Type: text/html;')
    same.discard('Content-Transfer-Encoding: base64')
    same.discard('Content-Type: text/plain; charset=UTF-8')
    same.discard('padding-top:0px; font-family: Arial, Helvetica, sans-serif; color: =')
    return same

def buscarCoincidencias(path, extension):
    with open('coincidencias.txt', 'w') as file_out:
        os.chdir(path)
        files = glob.glob(extension)
        for i in range(len(files)):
            for j in range(i+1, len(files)):
                with open(files[i]) as file1:
                    with open(files[j], 'r') as file2:
                        same = comparar_linea(file1, file2)
                        inicio = False
                        for contain in same:
                            if contain:
                                if not inicio:
                                    file_out.write(files[i] + "-"+ files[j] + ": ")
                                    inicio = True
                                file_out.write(contain + ',,,')
                        file_out.write('\n') 

buscarCoincidencias(path, extension)

Como separador de las líneas coincidentes entre dos ficheros he usado ,,,. Modifícalo como consideres.

Origen Enlace

En lugar de usar expresiones regulares podrías usar el método find de los strings para localizar donde ocurre el patrón a detectar y descartarlo. Por ejemplo:

string_completo = """ Lorem ipsum dolor sit amet, 
consectetur adipiscing elit. 
Sed eleifend felis libero, 
eu tempor lacus condimentum id. 
Proin mollis et lorem vitae venenatis. 
Nulla a arcu at quam eleifend iaculis. 
Donec elementum ut lacus at iaculis. 
Nam vestibulum nisl vitae mauris iaculis gravida. 
Aliquam facilisis leo lorem, 
eu accumsan dui faucibus vel. 
Nunc ut ultricies leo.
----- Original message -----
Nunc condimentum neque eu urna eleifend sodales. 
Quisque dictum sed ante in venenatis. 
Nunc congue accumsan metus."""

patron = "----- Original message -----"

string_recortado = string_completo[:string_completo.find(patron)] 

Esto solo valdría para el primer patron encontrado ya que find te devuelve la primera ocurrencia.