1

Me refiero a que dentro de la linea del texto tomar dos valores, hacer sort con el primero y luego con el segundo, ejemplo de la linea:

K5311779007446097434012279F0TDCAV-000000000000153.440000000023800.000000000001237.60+0000000001547.00S000.0652018-07-1815.55.06.23689800000000000155.960060CAM1807260001
└───┬──┘                                                                                                     └────┬───┘        
    └ Primeros 8 caracteres)                                                                                      └ Fecha

O sea que queden ordenados por fecha y luego por los primeros 8 caracteres, para que queden así:

K5311779007446097434012279F0TDCAV-000000000000153.440000000023800.000000000001237.60+0000000001547.00S000.0652018-07-1815.55.06.23689800000000000155.960060CAM1807260001
K5331641007409609665153031F0NOMCPN2+0000000000015.720000000011300.000000000000532.20+0000000000532.20N000.0002018-07-1802.48.00.70072500000000000015.720060CAM1807260001
K5370019007422007433854853F0TDCAV-0000000000142.770000000022200.000000000001154.40+0000000001443.00S000.0652018-07-1802.48.00.70259200000000000145.830060CAM1807260001
K5399421007422279665556169FAUTOCZ04-0000000003813.450000000308900.000000000008168.77+0000000008168.77N000.0002018-07-1810.08.48.477936-0000000003813.450060CAM1807260001
00004024007459977434028299F0TDCAG-0000000000031.000000000004400.000000000000228.80+0000000000286.00S000.0652018-07-1909.57.16.302506000000000000026.20060CAM1807260001
00009218007409609665551302FANOMCD01+0000000000193.040000000000223.310000000000111.64+0000000000111.64N000.0002018-07-1901.54.46.59053200000000000193.040060CAM1807260001
00043838007435287415864394I0ILCVO-0000000000217.400000000236600.000000000005377.50+0000000015379.00S000.0652018-07-1901.54.46.593981000000000009784.10060CAM1807260001
00060955007436977303431148I0ILCPN-0000000000048.610000000022500.000000000000625.28+0000000001462.50S000.0652018-07-1901.54.46.59649600000000000788.610060CAM1807260001
1
  • No se ve nada en la línea (¿o líneas?) que has copiado. Se ven muchos > que no sé si forman parte de la línea o los has metido tú para marcar el párrafo como "cita" y que salga con fondo amarillo. También se ven fragmentos en negrita, debido a que las líneas contienen grupos de **. Por favor, asegúrate de que las líneas de ejemplo tienen sólo los datos precisos, sin marcado, y después selecciónalas y pulsa el botón {}, que hará que se indenten 4 espacios y que Stack Overflow las muestre como código, sin interpretar los caracteres en su interior.
    – abulafia
    Commented el 27 jul. 2018 a las 17:08

2 respuestas 2

1

La clave está en el argumento key de sorted/list.sort. Permite especificar una función que será llamada por cada elemento antes de realizar la comparación. Es decir, el algoritmo no usará el propio items para realizar las comparaciones, usará lo que le retorne dicha función al llamarla pasandole el item (una línea del fichero en este caso) el item.

En el caso de tu fichero el tamaño de las líneas es variable y no hay separadores claros que podamos usar para aislar la fecha más allá de usar los índices de los elementos. Dado que el fragmento desde la posición de la fecha hasta el final de la línea es constante (al menos en el ejemplo proporcionado) lo que se puede hacer es usar indices negativos, dónde -1 denota el último carácter de la línea (carácter de nueva línea en realidad).

Vamos a partir del ejemplo que das pero desordenado:

K5370019007422007433854853F0TDCAV-0000000000142.770000000022200.000000000001154.40+0000000001443.00S000.0652018-07-1802.48.00.70259200000000000145.830060CAM1807260001
00060955007436977303431148I0ILCPN-0000000000048.610000000022500.000000000000625.28+0000000001462.50S000.0652018-07-1901.54.46.59649600000000000788.610060CAM1807260001
K5399421007422279665556169FAUTOCZ04-0000000003813.450000000308900.000000000008168.77+0000000008168.77N000.0002018-07-1810.08.48.477936-0000000003813.450060CAM1807260001
00004024007459977434028299F0TDCAG-0000000000031.000000000004400.000000000000228.80+0000000000286.00S000.0652018-07-1909.57.16.302506000000000000026.20060CAM1807260001
K5331641007409609665153031F0NOMCPN2+0000000000015.720000000011300.000000000000532.20+0000000000532.20N000.0002018-07-1802.48.00.70072500000000000015.720060CAM1807260001
00009218007409609665551302FANOMCD01+0000000000193.040000000000223.310000000000111.64+0000000000111.64N000.0002018-07-1901.54.46.59053200000000000193.040060CAM1807260001
K5311779007446097434012279F0TDCAV-000000000000153.440000000023800.000000000001237.60+0000000001547.00S000.0652018-07-1815.55.06.23689800000000000155.960060CAM1807260001
00043838007435287415864394I0ILCVO-0000000000217.400000000236600.000000000005377.50+0000000015379.00S000.0652018-07-1901.54.46.593981000000000009784.10060CAM1807260001

Teniendo los dos puntos anteriores en cuenta podemos hacer:

with open("entrada.txt") as f_ent, open("salida.txt", "w") as f_sal:
    f_sal.writelines(sorted(f_ent, key=lambda lin: (lin[-60: -50], lin[:8])))

Donde lambda lin: (lin[-60: -50], linea[:8]) es una función anónima que recibe cada linea como argumento y retorna una tupla con los cortes que queremos ([:8] para los primeros 8 caracteres y [-60: -50] para la fecha), para el ejemplo retornará al recibir las filas:

('2018-07-18', 'K5370019')
('2018-07-19', '00060955')
('2018-07-18', 'K5399421')
('2018-07-19', '00004024')
('2018-07-18', 'K5331641')
('2018-07-19', '00009218')
('2018-07-18', 'K5311779')
('2018-07-19', '00043838')

y esto es lo que se usará para ordenar las líneas, primero se ordena por el primer elemento de la tupla y si dos elementos son iguales se usa el segundo.

Se puede usar una función "normal" también, de hecho hay casos en los que no es posible usar una función lambda, lo anterior es equivalente a:

def cmp(linea):
    return linea[-60: -50], linea[:8]

with open("entrada.txt") as f_ent, open("salida.txt", "w") as f_sal:
        f_sal.writelines(sorted(f_ent, key=cmp))

En ambos casos el resultado es el que se muestra en la pregunta.

El uso de key llamando a una función o método hace que el proceso sea considerablemente más lento al tener que llamar a la función Python por cada línea, no obstante ofrece una flexibilidad enorme, ya que podemos procesar la línea a nuestro antojo en la función y retornar aquello que nos convenga para el correcto ordenamiento del iterable.

0

Con un Split por linea, asignas un indice a cada linea, haces split por campo y ordenas por campo, luego podras hacer la reestructura de campos ordenados con tu campo indice de linea

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.