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.