如何基于时间戳保留字符串列表中唯一文本的最新条目

原始列表：

ls = ["2022-07-17 16:00:02 txt xyz", "2022-07-17 15:00:02 txt xyz", "2022-07-17 16:00:02 txt abc"]

预期结果：

ls = ["2022-07-17 16:00:02 txt xyz", "2022-07-17 16:00:02 txt abc"]

用户尝试的代码（注：原代码缺少datetime导入）：

import re
import datetime

keep_message = {}
for i in range(len(ls)):
    timestamp_str = re.search(r"^(.*?) txt", ls[i]).group(1)
    timestamp = datetime.datetime.strptime(timestamp_str, "%Y-%m-%d %H:%M:%S")
    text = re.search(r"txt (.*?)$", ls[i]).group(1)
    keep_message[text + "_" + timestamp_str] = timestamp

keep_message_sorted = dict(sorted(keep_message.items(), key=lambda item: item[1]))

更优解决方案 #

核心思路是用文本内容作为字典的键，遍历过程中直接对比并保留每个文本对应的最新时间戳条目，一次遍历即可完成处理，效率更高。

实现方式一：使用datetime对象对比时间 #

import datetime
import re

ls = ["2022-07-17 16:00:02 txt xyz", "2022-07-17 15:00:02 txt xyz", "2022-07-17 16:00:02 txt abc"]

latest_entries = {}

for entry in ls:
    # 匹配时间戳和文本内容
    match = re.match(r"^(.*?) txt (.*)$", entry)
    if not match:
        continue  # 跳过格式不符合的条目
    
    timestamp_str, text = match.groups()
    timestamp = datetime.datetime.strptime(timestamp_str, "%Y-%m-%d %H:%M:%S")
    
    # 首次遇到该文本，或当前时间戳更新时替换条目
    if text not in latest_entries:
        latest_entries[text] = entry
    else:
        existing_ts_str = re.match(r"^(.*?) txt", latest_entries[text]).group(1)
        existing_timestamp = datetime.datetime.strptime(existing_ts_str, "%Y-%m-%d %H:%M:%S")
        if timestamp > existing_timestamp:
            latest_entries[text] = entry

result = list(latest_entries.values())
print(result)

实现方式二：直接对比时间戳字符串（更轻量） #

由于YYYY-MM-DD HH:MM:SS格式的字符串可以直接按字典序比较大小（与时间顺序完全一致），因此可以省去datetime模块的导入，简化代码：

import re

ls = ["2022-07-17 16:00:02 txt xyz", "2022-07-17 15:00:02 txt xyz", "2022-07-17 16:00:02 txt abc"]

latest_entries = {}

for entry in ls:
    match = re.match(r"^(.*?) txt (.*)$", entry)
    if not match:
        continue
    
    timestamp_str, text = match.groups()
    
    if text not in latest_entries:
        latest_entries[text] = entry
    else:
        existing_ts_str = re.match(r"^(.*?) txt", latest_entries[text]).group(1)
        if timestamp_str > existing_ts_str:
            latest_entries[text] = entry

result = list(latest_entries.values())
print(result)

优化点说明 #

• 直接以文本为键：避免了拼接字符串作为键的冗余操作，逻辑清晰，字典仅保留每个文本的最新条目。
• 一次遍历完成处理：无需排序后去重，时间复杂度从O(n log n)降至O(n)，大数据量场景下效率提升显著。
• 增加格式校验：通过if not match跳过非法格式条目，提升代码鲁棒性。

内容的提问来源于stack exchange，提问作者Omega