zoukankan      html  css  js  c++  java
  • 文件排序去重新思路

    我一直觉得思路是比较重要的。

    前几天终于从一个充满了垃圾广告的网盘里下载到了传说中的 csdn 数据库(就是以前泄露的那个,现在被各种封杀了)

    我写了个一个python脚本从中提取密码(用户名和邮箱我都不需要),用来做一个字典。

    但是我发现,其中有很多是重复的,比如123456789之类的。

    所以,第一个问题摆在了我的面前,怎么去重,怎么给文件中的数据去重。

    我首先想到的就是python 中的先set在list。

    然后我遇到了第二个问题,当这个字典文件比较大的时候,全部读取到内存是不合理的。

    通过资料,我查到了一条linux命令,uniq,去重,我的字典有70MB左右,速度还可以接受。

    第三个问题,如果数据量真的很大很大,我该如何处理呢?

    这时候我想到了数据库,数据库设计中有一个约束,叫做唯一性约束,既已经插入的值,不能再次插入。

    那么,我读取文件中的数据,尝试往数据库插入,如果数据库中已经存在,我就忽略此次插入。

    这就满足了我的需求了。

    我的第四个问题,我需要排序,简单的排序就是sorted了,Linux也有sort命令,那么,使用数据库应该也可以排序吧?

    这里仅仅是一个思路,我还未做尝试,不过应该可行。

  • 相关阅读:
    前端之css样式(选择器)
    html 之表单,div标签等
    前端基础之html
    【动态规划】【背包模板】
    【dp专题1】F
    【dp专题1】B
    hdu 1171 Big Event in HDU 01背包
    HDU 2048 数塔 简单DP
    练习赛2(补题)问题 G: 建设电力系统【最小生成树kruskal模板题】
    【图论】【最小生成树】【kruskal+prime】
  • 原文地址:https://www.cnblogs.com/tk091/p/3799745.html
Copyright © 2011-2022 走看看