如何在两个文本文件中查找单词答案

【问题标题】：How to find words inside two text files如何在两个文本文件中查找单词
【发布时间】：2016-01-04 23:18:09
【问题描述】：

脚本的第一部分没问题（它删除了http:// 和www.）。稍后我需要检查 source 中的单词是否存在于存在。

source = open('/net/sign/temp/python_tmp/script1/source.txt','r')
exists = open('/net/sign/temp/python_tmp/script1/exists.txt','r')

with source as f:
        lines = f.read()
        lines = lines.replace('http://','')
        lines = lines.replace('www.','')

        for a in open('/net/sign/temp/python_tmp/script1/exists.txt'):
            if a == lines:
                print("ok")

source.txt的内容：

www.yahoo.it
www.yahoo.com
www.google.com
http://www.libero.it

exists.txt的内容：

www.yahoo.com

【问题讨论】：

完全不清楚您要做什么。您是否需要查找两个文件中存在的所有单词？你对一个词的定义是什么？区分大小写怎么办？另外我不认为read 正在做你期望它做的事情，否则你不会调用返回值lines。
为什么你 open exists.txt 文件两次？
首先，您必须将单词提取到一些数据结构中（我相信集合会很完美）。目前您只操作线条。然后你必须比较这些集合是否相交。你清楚怎么做吗？
您能否提供一些source.txt 和exists.txt 文件的示例内容？
if ("http://" and "www.") in a: ?

标签： python string

【解决方案1】：

这样的事情应该可以工作：

source_words = set()
with open('source.txt') as source:
    for word in source.readlines():
        source_words.add(word.replace('http://','').replace('www.','').strip())

exist_words = set()
with open('exist.txt') as exist:
    for word in exist.readlines():
        exist_words.add(word.replace('http://','').replace('www.','').strip())

print("There {} words from 'source.txt' in 'exists.txt'".format(
   "are" if exist_words.intersection(source_words) else "aren't"
))

如果您需要获取两个文件中都存在的确切单词，它们在交集结果中：

print("These words are in both files:")
for word in exist_words.intersection(source_words):
    print(word)

【讨论】：

【解决方案2】：

好的，从您的示例文件来看，您实际上想要做的是找到两个文本文件共享的行。如果您的文件不是很大，一个简单的解决方案是读取文件并计算它们的行集的交集。

>>> with open('source.txt') as s, open('exists.txt') as e:
...     result = set(s).intersection(e)
... 
>>> result
set(['www.yahoo.com\n'])

之后您可以将'http://' 和'www.' 替换为

result = [x.replace('http://', '').replace('www.', '') for x in result]

如果你愿意的话。

【讨论】：

不知道您可以使用with 打开多个文件。不错的答案。 :)
@erip 它只会对未知数量的文件变得有点棘手:)
你正在无缘无故地创建一个集合和两个列表stackoverflow.com/questions/34588974/…