将字符串列表与字符串列表进行比较（python）

Question

我正在尝试比较两个Excel文档，它们大约有6000行和4列，第一列是域名，其他三列是评论。其中一个文档在某些列中更新了评论，最终我希望这个脚本能像批量更新一样，把新的评论替换掉旧的过时评论。

到目前为止，我写的代码打开了这两个文档，并把它们添加到两个不同的列表中：

import csv

newlist = csv.reader(open('newcomments.csv','rU'), dialect='excel')
export = csv.reader(open('oldcomments.csv', 'rU'), dialect='excel')

for row in newlist:
    olddomain=[]
    domain = row[0:]
    olddomain.append(domain)
    for item in olddomain:
        print item

    for row in export:
        newdomain=[]
        domain= row[0:]
        newdomain.append(domain)
        for item in newdomain:
            print item

从列表输出的内容看起来是这样的（第二列通常是空的）：

['example.com', '', 'excomment', 'Parked Page']

在尝试比较这两个列表时，我试过类似这样的代码：

if item in olddomain != item in newdomain:
                    print "no match"
                else:
                    print "match"

但这似乎不太管用，比如说，两个文件的第一行包含完全相同的数据，但代码却返回“没有匹配”，而两个文件的第二行也包含相同的数据，但代码却返回“匹配”。

问题是我保存行到列表的方式不对，还是我遗漏了什么其他的东西？我想这可能有更好的方法来做这件事，但我用这个作为借口来学习更多的Python！

谢谢你的时间。

Answer 1

试着把它变成一个集合，然后进行交集操作。

举个例子：

在第一行：a = ['a' , 'b', 'c']

在第二行：b = ['b' , 'a', 'c']

在第三行：set(a) & set(b)

输出结果：{'a', 'b', 'c'}

在第四行：set(b) == set(a) & set(b)

输出结果：True

Answer 2

你很可能只是漏掉了括号。注意下面这两行是一样的，因为 运算符的优先级 对于 in 和 != 是相同的：

if   item in olddomain  != item in newdomain:
if ((item in olddomain) != item) in newdomain:

你可能想要的是：

if (item in olddomain) != (item in newdomain):

Answer 3

看起来你想把一份旧的域名列表和一份新的域名列表进行比较。等这两份列表都准备好后，你想看看它们之间有没有共同的内容。

在这种情况下，我觉得使用set()会让你的工作变得更简单，因为它提供了很多实用的功能。举个例子：

>>> olddomains = set(['www.cisco.com', 'www.juniper.com', 'www.hp.com'])
>>> newdomains = set(['www.microsoft.com', 'www.cisco.com', 'www.apple.com'])
>>> olddomains.intersection(newdomains)
set(['www.cisco.com'])
>>>
>>> 'www.google.com' in newdomains
False
>>>

把你代码的一部分改成使用集合（set）会像这样：

# retain newlist, since that's the output from csv...
for row in newlist:
    olddomain = set([])
    domain = row[0]
    olddomain.add(domain.lower())   # use lower() to ensure no CAPS mess things up
    for item in olddomain:
        print item

还有你问到的那段代码：

if olddomain.intersection(newdomain) == set([]):
                    print "no match"
                else:
                    print "match"

我在决定使用set()还是list()时，一般遵循以下规则：

• 如果元素的顺序很重要（比如需要通过索引来访问它们），就用list()
• 在其他情况下，就用set()

编辑

既然你在问我之前发的代码为什么会报TypeError错误，如果你是按照我那样给row赋值的话，你需要用row[0]而不是row[0:]

>>> row = ['example.com', '', 'excomment', 'Parked Page']
>>> row[0:]
['example.com', '', 'excomment', 'Parked Page']
>>> row[0]
'example.com'
>>> 

我把我的例子改成这样，因为我怀疑问题就出在这里。