我需要通读一个日志文件，提取所有路径，并返回一个不包含重复路径的排序列表。最好的方法是什么？使用集合？
我想过这样的事情:
def geturls(filename)
f = open(filename)
s = set() # creates an empty set?
for line in f:
# see if the line matches some regex
if match:
s.add(match.group(1))
f.close()
return sorted(s)
编辑
集合中的项目是路径字符串，函数应将其作为按字母顺序排序的列表返回。
编辑 2 这是一些示例数据:
10.254.254.28 - - [06/Aug/2007:00:12:20 -0700] "GET /keyser/22300/ HTTP/1.0" 302 528 "-" "Mozilla/5.0 (X11; U; Linux i686 (x86_64); en-US; rv:1.8.1.4) Gecko/20070515 Firefox/2.0.0.4" 10.254.254.58 - - [06/Aug/2007:00:10:05 -0700] "GET /edu/languages/google-python-class/images/puzzle/a-baaa.jpg HTTP/1.0" 200 2309 "-" "googlebot-mscrawl-moma (enterprise; bar-XYZ; foo123@google.com,foo123@google.com,foo123@google.com,foo123@google.com)" 10.254.254.28 - - [06/Aug/2007:00:11:08 -0700] "GET /favicon.ico HTTP/1.0" 302 3404 "-" "googlebot-mscrawl-moma (enterprise; bar-XYZ;
有趣的部分是 GET 和 HTTP 之间的 url。也许我应该提到这是练习的一部分，没有真实世界的数据。
请您参考如下方法:
def sorted_paths(filename):
with open(filename) as f:
gen = (matches(line) for line in f)
s = set(match.group(1) for match in gen if match)
return sorted(s)
