vertaa.py

#Tällä voi verrata kahta eri tiedostolistausta keskenään. Hidas kuin mikä. Tarkoitettu MBnetin tiedostolistan vertailuun.

def lue_tiedosto(tiedostonimi):
    with open(tiedostonimi, "r", encoding="utf-8") as tiedosto:
        return tiedosto.readlines()

def hae_tiedostonimi(rivi):
    tiedostonimi = ""
    osat = rivi.split()
    for sana in osat:
        if '.' in sana and len(sana) > 4 and len(sana) <= 15 and len(sana.split('.')[-1]) >= 3:  # Tarkistetaan, sisältääkö sana pisteen ja kolme muuta merkkiä sen jälkeen
            tiedostonimi = sana
            break
    # Poistetaan heittomerkit
    return tiedostonimi.strip(",").strip("'").strip('"').lower()

def laske_tiedostojen_lukumaara(lista):
    return len([tiedosto for tiedosto in lista if hae_tiedostonimi(tiedosto) != ""])

def etsi_yhteiset_ja_epayhteiset_tiedostot(lista1, lista2):
    yhteiset = []
    hutit = []
    for tiedosto2 in lista2:
        nimi2 = hae_tiedostonimi(tiedosto2)
        loytyi = False
        for tiedosto1 in lista1:
            nimi1 = hae_tiedostonimi(tiedosto1)
            if nimi1 == nimi2 and nimi1 != "" and nimi2 != "":
                yhteiset.append(nimi1)
                loytyi = True
                break
        if not loytyi and nimi2 != "":
            hutit.append(nimi2)
    return yhteiset, hutit

if __name__ == "__main__":
    print("Työstää.. \n")

    #tiedosto1 = "mbnet_files_09-01-2005.txt"
    #tiedosto1 = "mbnet_files_09-01-2005_dos.txt"
    tiedosto1 = "mbfiles_1996_utf-8_2.txt"
    #tiedosto1 = "mbfiles_1996_dos.txt"

    tiedosto2 = "94-95-96.txt"

    lista1 = lue_tiedosto(tiedosto1)
    lista2 = lue_tiedosto(tiedosto2)

    lukumaara1 = laske_tiedostojen_lukumaara(lista1)
    lukumaara2 = laske_tiedostojen_lukumaara(lista2)

    yhteiset_tiedostot, hutit = etsi_yhteiset_ja_epayhteiset_tiedostot(lista1, lista2)

    #print("Yhteiset tiedostot:")
    #for tiedosto in yhteiset_tiedostot:
    #    print(tiedosto)

    #print("Hutit:")
    #for tiedosto in hutit:
    #    print(tiedosto)

    with open("osumat.txt", "w", encoding="utf-8") as yhteiset_tiedostot_tiedosto:
        for tiedosto in yhteiset_tiedostot:
            yhteiset_tiedostot_tiedosto.write(tiedosto)
            yhteiset_tiedostot_tiedosto.write('\n')

    with open("hutit.txt", "w", encoding="utf-8") as hutit_tiedosto:
        for tiedosto in hutit:
            hutit_tiedosto.write(tiedosto)
            hutit_tiedosto.write('\n')

    print(f"Tiedostoja {tiedosto1}:ssa: {laske_tiedostojen_lukumaara(lista1)}")
    print(f"Tiedostoja {tiedosto2}:ssä: {laske_tiedostojen_lukumaara(lista2)}")
    print(f"Löydetyt yhteensä: {len(yhteiset_tiedostot)}, tallennettu tiedostoon osumat.txt")
    print(f"Hutit yhteensä: {len(hutit)}, tallennettu tiedostoon hutit.txt")