我不喜欢compTrips的类型；它太宽容了。声明它可以返回 [Int] 表示您不知道它将返回多少 Ints。但你知道这将是两个；所以：
compTrips :: [Int] -> [Int] -> (Int, Int)
在实现中，我更喜欢sum 而不是foldr (+) 0；它更清楚地说明了您的意图，而且，作为附带的好处，sum 使用严格的左折叠，因此有时可以更节省内存：
compTrips as bs =
let oneIfGreater a b = if a > b
then 1
else 0
countGreater x y = sum $ zipWith oneIfGreater x y
in (countGreater as bs, countGreater bs as)
我不喜欢我们计算每个比较两次。我想将比较的计算与比较的计算方式分开。同时，我将从使用sum 和您的自定义fromEnum 实现（即oneIfGreater）切换到使用length 和filter 的组合（或者，在这种情况下，我们想要两者过滤器的“边”，partition)。所以：
import Data.Bifunctor
import Data.List
compTrips as bs = bimap length length . partition id $ zipWith (>) as bs
我认为你可以抽象出一行的读取和解析，这样这个逻辑就不会被复制。所以：
readInts :: IO [Int]
readInts = do
line <- getLine
pure (map read $ words line)
main = do
alice <- readInts
bob <- readInts
let (a, b) = compTrips alice bob
putStrLn $ show a ++ " " ++ show b
我不喜欢read 的类型，原因几乎与我不喜欢compTrips 的类型相同。在这种情况下，声明它可以接受任何String 表示它可以解析任何东西，而实际上它只能解析一种非常特定的语言。 readMaybe 有一个更好的类型，说它有时可能会解析失败：
readMaybe :: Read a => String -> Maybe a
有大量基于Applicative 的方法用于组合对readMaybe 的多次调用的错误处理；尤其是traverse（有点像map，但具有处理错误的能力）和liftA2（可以将任何二进制操作转换为可以处理错误的操作）。
我们可以使用它的一种方法是在失败时打印一个很好的错误消息，所以：
import System.IO
import Text.Read
readInts = do
line <- getLine
case traverse readMaybe (words line) of
Just person -> pure person
Nothing -> do
hPutStrLn stderr "That doesn't look like a space-separated collection of numbers! Try again."
readInts
（存在其他错误处理选项。）
这给我们留下了以下最终程序：
import Data.Bifunctor
import Data.List
import System.IO
import Text.Read
compTrips :: [Int] -> [Int] -> (Int, Int)
compTrips as bs = bimap length length . partition id $ zipWith (>) as bs
readInts :: IO [Int]
readInts = do
line <- getLine
case traverse readMaybe (words line) of
Just person -> pure person
Nothing -> do
hPutStrLn stderr "That doesn't look like a space-separated collection of numbers! Try again."
readInts
main :: IO ()
main = do
alice <- readInts
bob <- readInts
let (a, b) = compTrips alice bob
putStrLn $ show a ++ " " ++ show b
虽然文本实际上有点长，但我认为这是一个更惯用的实现；主要的两件事是要特别注意避免使用部分函数（如read 和您对compTrips 结果的部分模式匹配），以及在处理列表时增加对库提供的批量操作的依赖（如我们的使用length 和partition)。