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.