Python re.findall 複数行あるテキストファイルから特定文字列を正規表現で検索、並び替え、重複削除して抽出したい

前提・実現したいこと

初めて利用します。
よろしくお願いします。

複数行あるテキストファイルから特定の文字列を抽出し、ソートして、重複をなくした結果を表示したいです。

発生している問題・エラーメッセージ

re.findall、set、list、sort、printを試しているが想定している結果が得られない。

該当のソースコード

Python
1#!/usr/bin/python
2import re
3
4path = 'log.txt'
5
6with open(path) as file:
7	for lines in file:
8		f = re.findall(r'[^/]*.jpg', lines)
9		s = set(f)
10		mylist = list()
11		mylist.append(s)
12		mylist.sort(s)
13		if len(s) > 0:
14			print(s)

試したこと

re.findallの戻り値がlist型のため直接 f.sort()とやってみたが上手くいかない。
sort、sortedをそれぞれ試したけどソートされない。
set()を使って結果を保存し、setをlistに変換し、sortするといいらしいので試したが上手くいかない。

理想的な出力としては、以下のように重複なく昇順で結果を出したい。

abc.jpg
efg.jpg
hij.jpg

しかし、実際は以下のようになってしまう。

set([])
set([])
set([])
set(['efg.jpg'])
set(['hij.jpg'])
set([])
set(['efg.jpg'])
set(['abc.jpg'])
set([])

補足情報（FW/ツールのバージョンなど）

Linux環境にて実施

行動規範の内容に同意します

回答1件

ベストアンサー

まず、行の中でset、dictを新規定義しているのがマズいですね。新しい行の処理に移るたびに前の結果はリセットされ、各行ごとのソートしかできていないと思います。さらに、printがループの中にあるのもおかしいでしょう。

次に、setは重複の無いリストで、直接sorted()に食わせることが可能なので、わざわざ別のリストに入れ直す必要はなさそうです。

まとめると、こんな感じではないでしょうか。

import re

path     = 'log.txt'
uniqlist = set()

with open(path) as file:
    for lines in file:
        f = re.findall(r'[^/]*.jpg', lines)
        for x in f:
            uniqlist.add(x)

for x in sorted(uniqlist):
    print(x)

投稿2020/08/17 19:41