Question

TXT 文本重复内容提取问题

我有一个文本文档，内容是2000个邮件地址，一个邮件地址为一行，但今天文档里加进去了1000个全新的邮件地址且被打乱了，我怎么提取出这今天增加的1000个？注：我有昨天的2000备份

Answer 1

将它们分别复制到EXCEL的二个工作表中，排序后使用VLOOKUP函数查询，完成后对其结果进行排序，就可以将重复的与新增的区分开来了（详见样例）。

Answer 2

如果都是一行一个的话，你可以用EXCEL打开这两个TXT文本，然后用VLOOKUP()或COUNTIF()函数把重复的查出来

Answer 3

利用winmerge可以找出两个文件的差异，菜单中生成补丁能把差异保存到另一个文件中。

http://winmerge.org/

追问

已下载，摸索中，问题在于，这个软件能否将多出的1000个列出及导出来？操作方法求指教

追答

我帮你弄一下吧，把文件发给我 QQ370182851

追问

主要问题在于，这不是一次性的问题，我需要长期的，所以我要掌握这个技巧。。

追答

# -*- coding:utf-8 -*-
import difflib
file1 = file("11.txt","r")  #old file
file2 = file("22.txt","r")  #new file
temp1_context = file1.read()
temp2_context = file2.read()
file1_context = temp1_context.splitlines()
file2_context = temp2_context.splitlines()
diff = difflib.Differ().compare(file1_context,file2_context)
for d in diff:
    if(d[0]=="+"):
        print d[1:]