如何比较两个CSV文件在Python 3 - 模块格式 -

Question

我有以下代码：

import csv 
import subprocess 

from subprocess import check_output 

# Writing the pacman command output to file in csv format 

sysApps = check_output(["pacman", "-Qn"]) 
sysAppsCSV = csv.DictReader(sysApps.decode('ascii').splitlines(), 
         delimiter=' ', skipinitialspace=True, 
         fieldnames=[ 'name', 'version']) # Thanks to https://stackoverflow.com/a/8880768/5565713 jcollado 

with open('pacman.csv', 'w') as csvfile: 
    rows_sys = csv.writer(csvfile) 
    rows_sys.writerow(sysAppsCSV) 

# Writing the pip command output in csv format 

pipApps = check_output(["pip", "list"]) 
pipAppsCSV = csv.DictReader(pipApps.decode('ascii').splitlines(), 
         delimiter=' ', skipinitialspace=True, 
         fieldnames=[ 'name', 'version']) # Thanks to https://stackoverflow.com/a/8880768/5565713 jcollado 

with open('pip.csv', 'w') as csvfile: 
    rows_pip = csv.writer(csvfile) 
    rows_pip.writerow(pipAppsCSV) 

# Comparing the files 

我要比较两个文件，不是必需的文件，也可以是变量的内容已经创建，并从pip.csv文件得到结果作为差异，实际上我想知道什么是pip.csv而不是pacman.csv。 here的例子不适用于我的情况，但我会通过列出名称和版本以类似的方式输出结果。

编辑： @Greg Sadetsky感谢您的建议我用你的例子来简化我的代码，但不能解决我的问题，我不能以这种方式比较列表。我取得了一些进展，但我仍然没有得到期望的输出：

import csv 
import subprocess 

from subprocess import check_output 

#Initializing variables 

results_sys = "" 
results_pip = "" 

# Running the linux commands 

sys_apps = set(check_output(["pacman", "-Qn"]).splitlines()) 
pip_apps = set(check_output(["pip", "list"]).splitlines()) 

# Saving the outputs of the commands in to a CSV format 

for row in sys_apps: 
    result = row.decode('ascii').split(sep=" ") 
    with open('pacman.csv', 'a') as csvfile: 
     rows_sys = csv.writer(csvfile) 
     rows_sys.writerow(result) 

for row in pip_apps: 
    result = row.decode('ascii').split(sep=" ") 
    with open('pip.csv', 'a') as csvfile: 
     rows_sys = csv.writer(csvfile) 
     rows_sys.writerow(result) 

# Opening the files and comparing the results 

with open('pacman.csv', 'r') as pacmanCSV: 
    sys_apps = pacmanCSV.readlines() 
    for row in sys_apps: 
     apps = row.split(",") 
     results_sys = results_sys + " " + apps[0] 

with open('pip.csv', 'r') as pipCSV: 
    pip_apps = pipCSV.readlines() 
    for row in pip_apps: 
     apps = row.split(",") 
     results_pip = results_pip + " " + apps[0] 


results_final = "List of apps installed from pip:\n################################" 
for val in results_pip: 
    if val not in results_sys: 
     results_final = results_final + "\n" + val 


print(results_final) 

当我运行这段代码，我得到一些大写字母，例如：Imgur

确定，所以后阅读有关集我做到了这一点：

r1 = set(results_pip) 
r2 = set(results_sys) 

print(r1 - r2) 

但我得到了类似的结果，只有大写字母的第一个字母出现。

Answer 1

您可以使用sets比较两个软件包列表，并轻松弄清楚哪些软件包在一个列表中，而另一个列表中没有。

您是否绝对需要浏览CSV文件？你只是在寻找pacmac和pip之间的输出差异吗？如果是这样，我在下面创建了一个更简单的例子。

注意：我的机器上没有pacman，但我想它的输出格式与pip类似。如果没有，你必须调整代码。

from subprocess import check_output 

sys_apps = set(check_output(["pacman", "-Qn"]).splitlines()) 
pip_apps = set(check_output(["pip", "list"]).splitlines()) 

# show packages present in sys_apps that are absent from pip_apps 
print sys_apps - pip_apps 

---

编辑：

1为什么要通过编写CSV文件的麻烦，然后读回，然后只比较集？为什么不简单检查sys_apps和pip_apps之间的区别？我假设你需要写入CSV文件，并且你需要从这些文件中读回来，然后比较它们的内容。我看到你在混合使用Python 2和Python 3代码（你有一个“sep”参数来分割，但是你也在调用一个字符串的“decode”）。你正在使用哪个版本的Python？

3-我发现你已经改变了你的代码了。正如我在对你的问题的评论中解释的那样，通过做for val in results_pip你正在迭代该字符串的字符，这可能不是你想要做的（你可能想迭代列表中的元素）。

我将只发布您的代码的下半部分的另一个版本：

# Opening the files and comparing the results 

with open('pacman.csv', 'r') as pacmanCSV: 
    sys_apps = pacmanCSV.readlines() 

with open('pip.csv', 'r') as pipCSV: 
    pip_apps = pipCSV.readlines() 

print "List of apps installed from pip:\n################################" 

print set(pip_apps) - set(sys_apps) 

正如你所看到的，我不是分裂的逗号从CSV文件中的行，因为你可以比较充分包名（包括版本）（我认为检查是否通过pip安装了不同版本的软件包会很重要）。如果你绝对要比较的包名只（而不是版本），你可以在两个with块更改为以下：

with open('pacman.csv', 'r') as pacmanCSV: 
    sys_apps = [app.split(',')[0] for app in pacmanCSV.readlines()] 

with open('pip.csv', 'r') as pipCSV: 
    pip_apps = [app.split(',')[0] for app in pipCSV.readlines()] 

这种提取使用分离的包名，然后保持软件包名称而已，并建立一个所有包裹变成sys_apps和pip_apps的清单。

让我知道这是否有帮助！