如何批量比对1100个文件首列提取共同值并关联文件名输出？

没问题，我给你一个简洁的Python解决方案，逻辑清晰还容易理解，刚好适配你的需求：

核心思路是用字典来记录每个第一列值对应的文件名集合，这样能高效统计哪些值出现在哪些文件里。具体步骤如下：

• 遍历所有文件，逐个读取每行的第一列值，把文件名关联到对应的值上（同一个文件里重复出现的值只记录一次文件名）
• 把整理好的结果按要求格式写入输出文件

以下是完整代码：

import glob
from collections import defaultdict

# 1. 用glob获取目标目录下的所有文件（请替换成你的目标路径，比如'./data/*.txt'）
file_paths = glob.glob('./your_target_directory/*')

# 2. 初始化字典：键是第一列的值，值是包含该值的文件名集合（用集合避免同一文件重复记录）
value_to_files = defaultdict(set)

# 3. 遍历处理每个文件
for file_path in file_paths:
    # 提取文件名（如果需要完整路径可直接用file_path，取basename更简洁）
    file_name = file_path.split('/')[-1]
    try:
        with open(file_path, 'r', encoding='utf-8') as f:
            for line in f:
                # 跳过空行
                line = line.strip()
                if not line:
                    continue
                # 分割行并取第一列
                first_col = line.split()[0]
                # 将文件名加入对应值的集合
                value_to_files[first_col].add(file_name)
    except Exception as e:
        print(f"处理文件 {file_name} 时出错: {e}")

# 4. 将结果写入输出文件
with open('output-file', 'w', encoding='utf-8') as out_f:
    for common_value, files in value_to_files.items():
        # 按要求格式拼接行：common-value file1 file2 ...
        line = f"{common_value} {' '.join(files)}\n"
        out_f.write(line)

关键细节说明： #

• 用defaultdict(set)替代普通字典：自动为新键创建空集合，不用手动判断键是否存在，代码更简洁
• 用集合存文件名：避免同一个文件里多次出现相同第一列值时重复记录文件名（如果需要保留重复记录，把set改成list，用append替代add即可）
• 异常处理：防止单个文件读取出错导致程序崩溃，还能打印错误信息方便排查
• 跨平台文件名提取：如果是Windows系统，建议用os.path.basename(file_path)替代split('/')[-1]（记得导入os模块）

如果只需要保留在多个文件中出现的共同值（而非所有出现过的值），可以在写入前加过滤逻辑：

# 仅保留在2个及以上文件中出现的值
for common_value, files in value_to_files.items():
    if len(files) >= 2:
        line = f"{common_value} {' '.join(files)}\n"
        out_f.write(line)

这个方案代码量不大，运行效率也能轻松应对1100个文件的处理需求~

内容的提问来源于stack exchange，提问作者user3698773