在csv文件中写入字符串时，如何避免重复字符串？

Posted 2023-02-23

【中文标题】在csv文件中写入字符串时，如何避免重复字符串？

【英文标题】：While writing a string in a csv file, how to avoid duplicate string?

【发布时间】：2018-07-19 06:39:17

【问题描述】：

我成功地用 Python3 和 bs4 编写了一个脚本，以从 Wikipedia 页面获取不重复的字符串。为此，

算法：

1) 用 重复写入 csv 文件

上面的文件，

2) 写入 csv 文件没有重复。

脚本：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import csv

url = 'https://ta.wikisource.org/w/index.php?title=அட்டவணை:அ. மருதகாசி-பாடல்கள்.pdf&action=history'
content = requests.get(url).content
soup = BeautifulSoup(content,'lxml')
#getting the uncleaned contributors
userBdi = soup.findAll('bdi')
#list 2 string
uncleanedContributors =''.join(str(userBdi)[1:-1]).replace('</','<').replace('<bdi>','').replace(',','\n').replace(' ','').replace('பக்கம்','அட்டவணை_பேச்சு').replace('Bot','').replace('BOT','')
print()
print('The output of uncleaned contributors')
print('--------------------------------------')
print(uncleanedContributors)
with open('uncleaned-contributors.csv','a') as csvwrite:
    csvwriter = csvwrite.write(uncleanedContributors+'\n')

content = open('uncleaned-contributors.csv','r').readlines()
content4set = set(content)
cleanedcontent = open('cleaned-contributors.csv','w')
print()
print('The output of cleaned contributors')
print('--------------------------------------')
for i, line in enumerate(content4set,0):
    cleanedcontent.write(".".format(str(i+1),line.replace('பக்கம்','அட்டவணை_பேச்சு')))
    line=line.strip()
    print(i, line)
cleanedcontent.close()

如何直接写入 CSV 文件而不重复？有什么办法吗？

【参考方案1】：

这是解决问题的一种方法：

from bs4 import BeautifulSoup 
import requests 
import csv 

url = 'https://ta.wikisource.org/w/index.php?title=அட்டவணை:அ. மருதகாசி-பாடல்கள்.pdf&action=history'
content = requests.get(url).content 
soup = BeautifulSoup(content,'lxml') 
#getting the uncleaned contributors 
userBdi = soup.findAll('bdi') 
#list 2 string 
uncleanedContributors =''.join(str(userBdi)[1:-1]).replace('</','<').replace('<bdi>','').replace(',','\n').replace(' ','').replace('பக்கம்','அட்டவணை_பேச்சு').replace('Bot','').replace('BOT','') 

cleanedcontent = open('cleaned-contributors.csv','w') 
print() 
print('The output of cleaned contributors') 
print('--------------------------------------') 
def unique_list(l):
    ulist = []
    [ulist.append(x) for x in l if x not in ulist]
    return ulist
a = ' '.join(unique_list(uncleanedContributors.split()))

for  i, j in enumerate(a.split(' ')):
    cleanedcontent.write(".".format(str(i+1),j.replace('பக்கம்','அட்டவணை_பேச்சு')))
    cleanedcontent.write('\n')
    print(i+1, j)

cleanedcontent.close()

在执行时，

[1]: 
The output of cleaned contributors
--------------------------------------
1 Balajijagadesh
2 Info-farmer 
3 Tshrinivasan

上述解决方案代码给出了您在问题中所需的确切输出，并且能够直接写入 CSV 文件而没有任何重复。

【讨论】：

输出文件的序列号如我所愿从 1、2、3 开始，但终端显示 0、1、2。是否可以更改终端中的数字？

i+1。好的。请您解释一下，为什么会有所不同？我想学习。提前致谢。

for 循环迭代默认索引为零....在 Python 中