Skip to main content
se añadieron 2 caracteres en el cuerpo
Origen Enlace
abulafia
  • 58.7k
  • 3
  • 54
  • 89

El segundo with vuelve a abrirlos para lecturaescritura ("r""w"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar (el .rstrip() es para quitar el retorno de carro y posibles espacios al final de la línea) y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El segundo with vuelve a abrirlos para lectura ("r"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar (el .rstrip() es para quitar el retorno de carro y posibles espacios al final de la línea) y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El segundo with vuelve a abrirlos para escritura ("w"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar (el .rstrip() es para quitar el retorno de carro y posibles espacios al final de la línea) y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

se añadieron 2198 caracteres en el cuerpo
Origen Enlace
abulafia
  • 58.7k
  • 3
  • 54
  • 89
with open("words.txt") as fw, open("association.txt") as fa:
    words = fw.readlines()
    associations = fa.readlines()

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt", "w") as fw, open("association.txt", "w") as fa:
    for w, a in zip(words, associations):
        if w.striprstrip() == word and a.striprstrip() == assoc:
            continue # Saltarse este caso
        fw.write(w)
        fa.write(a)

El segundo with vuelve a abrirlos para lectura ("r"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar (el .rstrip() es para quitar el retorno de carro y posibles espacios al final de la línea) y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El único inconveniente de este método es que si el tamaño de los ficheros es muy grande, el algoritmo necesitará mucha memoria para funcionar, pues debe cargar en RAM (en las listas words y associations) los contenidos de ambos ficheros. Si hablamos de ficheros realmente enormes (muchos gigabytes) es posible que no haya memoria suficiente para procesarlos por este mecanismo.

Otra forma

Otra forma de hacerlo, que no requiere leer los ficheros completos, consiste en ir procesando línea por línea cada uno de los ficheros, de modo que sólo se necesita memoria para guardar la línea que toque.

La idea es leer una línea de cada fichero, compararlas con las palabras a omitir, y si no son, volver a escribirlas en otros ficheros. El problema de este enfoque es que no es posible volver a escribirlas en los ficheros originales (lo cual por cierto puede ser una ventaja ya que no se destruyen los ficheros en caso de un error de programación).

Sería así:

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt") as fw, \
     open("association.txt") as fa, \
     open("words_filtrado.txt", "w") as fw_filt, \
     open("association_filtrado.txt", "w") as fa_filt:
    for w, a in zip(fw, fa):
        if w.rstrip() == word and a.rstrip() == assoc:
            continue
        fw_filt.write(w)
        fa_filt.write(a)

Observa que en este caso with abre cuatro ficheros: los dos de entrada y los dos de salida (with requiere todos los open() en la misma línea, pero para mayor legibilidad lo he separado en cuatro líneas y por eso tengo que poner una \ al final de cada una, para indicar que "continúa por la siguiente")

El bucle for utiliza de nuevo zip() pero ahora le pasamos los ficheros fw y fa. Ocurre que en Python un objeto de tipo fichero es "iterable" como si fuera una lista, y cada vez que se itera sobre él se lee una línea y ese es el valor de la iteración. Por tanto las líneas se van leyendo de una en una, en vez de hacerlo todas de una vez, consumiento así una cantidad insignificante de memoria aunque los ficheros tengan millones de líneas.

Nota Siempre puedes, una vez terminado el bucle, renombrar los ficheros de salida con el mismo nombre que los ficheros de entrada, para que el resultado sea equivalente al del primer código. Pero durante las pruebas creo que es mejor tenerlos separados para poder comparar la salida con la entrada y ver si lo está haciendo bien.

with open("words.txt") as fw, open("association.txt") as fa:
    words = fw.readlines()
    associations = fa.readlines()

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt", "w") as fw, open("association.txt", "w") as fa:
    for w, a in zip(words, associations):
        if w.strip() == word and a.strip() == assoc:
            continue # Saltarse este caso
        fw.write(w)
        fa.write(a)

El segundo with vuelve a abrirlos para lectura ("r"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El único inconveniente de este método es que si el tamaño de los ficheros es muy grande, el algoritmo necesitará mucha memoria para funcionar, pues debe cargar en RAM (en las listas words y associations) los contenidos de ambos ficheros. Si hablamos de ficheros realmente enormes (muchos gigabytes) es posible que no haya memoria suficiente para procesarlos por este mecanismo.

with open("words.txt") as fw, open("association.txt") as fa:
    words = fw.readlines()
    associations = fa.readlines()

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt", "w") as fw, open("association.txt", "w") as fa:
    for w, a in zip(words, associations):
        if w.rstrip() == word and a.rstrip() == assoc:
            continue # Saltarse este caso
        fw.write(w)
        fa.write(a)

El segundo with vuelve a abrirlos para lectura ("r"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar (el .rstrip() es para quitar el retorno de carro y posibles espacios al final de la línea) y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El único inconveniente de este método es que si el tamaño de los ficheros es muy grande, el algoritmo necesitará mucha memoria para funcionar, pues debe cargar en RAM (en las listas words y associations) los contenidos de ambos ficheros. Si hablamos de ficheros realmente enormes (muchos gigabytes) es posible que no haya memoria suficiente para procesarlos por este mecanismo.

Otra forma

Otra forma de hacerlo, que no requiere leer los ficheros completos, consiste en ir procesando línea por línea cada uno de los ficheros, de modo que sólo se necesita memoria para guardar la línea que toque.

La idea es leer una línea de cada fichero, compararlas con las palabras a omitir, y si no son, volver a escribirlas en otros ficheros. El problema de este enfoque es que no es posible volver a escribirlas en los ficheros originales (lo cual por cierto puede ser una ventaja ya que no se destruyen los ficheros en caso de un error de programación).

Sería así:

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt") as fw, \
     open("association.txt") as fa, \
     open("words_filtrado.txt", "w") as fw_filt, \
     open("association_filtrado.txt", "w") as fa_filt:
    for w, a in zip(fw, fa):
        if w.rstrip() == word and a.rstrip() == assoc:
            continue
        fw_filt.write(w)
        fa_filt.write(a)

Observa que en este caso with abre cuatro ficheros: los dos de entrada y los dos de salida (with requiere todos los open() en la misma línea, pero para mayor legibilidad lo he separado en cuatro líneas y por eso tengo que poner una \ al final de cada una, para indicar que "continúa por la siguiente")

El bucle for utiliza de nuevo zip() pero ahora le pasamos los ficheros fw y fa. Ocurre que en Python un objeto de tipo fichero es "iterable" como si fuera una lista, y cada vez que se itera sobre él se lee una línea y ese es el valor de la iteración. Por tanto las líneas se van leyendo de una en una, en vez de hacerlo todas de una vez, consumiento así una cantidad insignificante de memoria aunque los ficheros tengan millones de líneas.

Nota Siempre puedes, una vez terminado el bucle, renombrar los ficheros de salida con el mismo nombre que los ficheros de entrada, para que el resultado sea equivalente al del primer código. Pero durante las pruebas creo que es mejor tenerlos separados para poder comparar la salida con la entrada y ver si lo está haciendo bien.

Origen Enlace
abulafia
  • 58.7k
  • 3
  • 54
  • 89

Una posible forma de hacerlo consiste en:

  1. Abrir los ficheros para lectura. Leer el contenido de ambos ficheros a un par de listas (una para cada fichero). Los contenidos de esas listas son respectivamente las líneas de cada fichero. Cerrar ambos ficheros.
  2. Volver a abrirlos para escritura (esto elimina lo que pudieran contener). Iterar por el par de listas para volver a escribir en cada fichero lo que había en esas listas, pero saltándose el caso en que coincidan respectivamente con word y association.

Esto se logra en unas pocas líneas de python:

with open("words.txt") as fw, open("association.txt") as fa:
    words = fw.readlines()
    associations = fa.readlines()

word = "hortensias"
assoc = "son plantas con espinas"

with open("words.txt", "w") as fw, open("association.txt", "w") as fa:
    for w, a in zip(words, associations):
        if w.strip() == word and a.strip() == assoc:
            continue # Saltarse este caso
        fw.write(w)
        fa.write(a)

El primer with abre ambos ficheros en modo lectura (es el modo por defecto cuando no se especifica uno) y usa .readlines() sobre cada fichero para leer todas las líneas y generar las listas words y associations.

Cuando el bloque with termina, Python cierra automáticamente los ficheros abiertos.

El segundo with vuelve a abrirlos para lectura ("r"), y seguidamente itera por las dos listas a la vez (la función zip() sirve para juntar varias listas en un solo bucle de iteración). En cada iteración del bucle w tendrá un elemento de la lista words y a tendrá un elemento de la lista associations. Se comparan estos valores con los que se quieren eliminar y si ambos coinciden se ejecuta continue que hace que se salte a la siguiente iteración del bucle (por lo que los write() no llegan a ejecutarse para ese par de palabras.

El único inconveniente de este método es que si el tamaño de los ficheros es muy grande, el algoritmo necesitará mucha memoria para funcionar, pues debe cargar en RAM (en las listas words y associations) los contenidos de ambos ficheros. Si hablamos de ficheros realmente enormes (muchos gigabytes) es posible que no haya memoria suficiente para procesarlos por este mecanismo.