如何在文本文件中查找和替换多行？

Question

我正在运行Python 2.7。

我有三个文本文件：data.txt，find.txt，和replace.txt。现在，find.txt包含我要搜索的几行data.txt并将该部分替换为中的内容replace.txt。这是一个简单的示例：

data.txt

pumpkin
apple
banana
cherry
himalaya
skeleton
apple
banana
cherry
watermelon
fruit

find.txt

apple
banana
cherry

replace.txt

1
2
3

所以，在上面的例子中，我要搜索的所有出现apple，banana以及cherry在数据和更换这些线路1,2,3。

我在使用正确的方法时遇到了一些麻烦，因为我data.txt的内存大约为1MB，所以我想尽可能地提高效率。一种愚蠢的方法是将所有内容连接成一个长字符串并使用replace，然后输出到新的文本文件，以便所有换行符都将被恢复。

import re

data = open("data.txt", 'r')
find = open("find.txt", 'r')
replace = open("replace.txt", 'r')

data_str = ""
find_str = ""
replace_str = ""

for line in data: # concatenate it into one long string
    data_str += line

for line in find: # concatenate it into one long string
    find_str += line

for line in replace: 
    replace_str += line


new_data = data_str.replace(find, replace)
new_file = open("new_data.txt", "w")
new_file.write(new_data)

但是对于像我这样的大数据文件来说，这似乎是如此令人费解和低效。另外，该replace功能似乎已被弃用，因此效果不佳。

另一种方法是单步执行并跟踪找到匹配的哪一行。

像这样：

location = 0

LOOP1: 
for find_line in find:
    for i, data_line in enumerate(data).startingAtLine(location):
        if find_line == data_line:
            location = i # found possibility

for idx in range(NUMBER_LINES_IN_FIND):
    if find_line[idx] != data_line[idx+location]  # compare line by line
        #if the subsequent lines don't match, then go back and search again
        goto LOOP1

我知道代码不完整。我什至不知道是否可以从某行或某行之间的某行中搜索文件，但是再次，我对这一切的逻辑有些困惑。做这个的最好方式是什么？

谢谢！

Answer 1

如果文件很大，你要read和write 一次在一个行 ，所以整个事情是不是一次加载到内存中。

# create a dict of find keys and replace values
findlines = open('find.txt').read().split('\n')
replacelines = open('replace.txt').read().split('\n')
find_replace = dict(zip(findlines, replacelines))

with open('data.txt') as data:
    with open('new_data.txt', 'w') as new_data:
        for line in data:
            for key in find_replace:
                if key in line:
                    line = line.replace(key, find_replace[key])
            new_data.write(line)

编辑：我将代码更改为，read().split('\n')而不是readliens()这样，因此\n不包含在查找和替换字符串中