在Python中比较两个.txt文件并将精确和相似匹配保存到.txt文件中

Question

我需要的是：

text_file_1.txt:
apple
orange
ice
icecream

text_file_2.txt:
apple
pear
ice

当我使用“set”时，输出会是：

apple
ice

（相当于 re.match 的效果）

但我想要得到的是：

apple
ice
icecream

（相当于 re.search 的效果）

有没有办法做到这一点？文件很大，所以我不能只是一遍遍地去查找并使用正则表达式。

Answer 1

你可能想看看 difflib 这个库。

Answer 2

如果你只是想从文件中提取那些彼此之间有部分相同的单词（包括完全相同的单词），你可以这样做：

fone = set(['apple', 'orange', 'ice', 'icecream'])
ftwo = set(['apple' ,'pear' ,'ice'])
# transforming to sets saves to check twice for the same combination

result = []
for wone in fone:
    for wtwo in ftwo:
        if wone.find(wtwo) != -1 or wtwo.find(wone) != -1:
            result.append(wone)
            result.append(wtwo)
for w in set(result):
    print w

另外，如果你想根据字符串中字母的顺序来判断它们的相似性，可以使用Paul在他的回答中提到的difflib库中的某个类：

import difflib as dl

fone = set(['apple', 'orange', 'ice', 'icecream'])
ftwo = set(['apple' ,'pear' ,'ice'])

result = []
for wone in fone:
    for wtwo in ftwo:
        s = dl.SequenceMatcher(None, wone, wtwo)
        if s.ratio() > 0.6:  #0.6 is the conventional threshold to define "close matches"
            result.append(wone)
            result.append(wtwo)
for w in set(result):
    print w

我没有对这两个例子进行计时，但我猜第二个方法会慢很多，因为对于每一对单词，你都需要创建一个对象……