Python文档比较返回其他文档中没有的所有单词

Question

我正在尝试创建一个“翻译比较”程序，它读取并比较两个文档，然后返回一个文档中所有不在另一个文档中的单词。现在，我的程序只返回“file1”中单词的第一个实例，而不返回“file2”中单词的第一个实例。这是一个初学者的类，所以我尽量避免使用晦涩的内部方法，即使这意味着效率较低的代码。这就是我目前所拥有的。。。你知道吗

def translation_comparison():
   import re
   file1 = open("Desktop/file1.txt","r")
   file2 = open("Desktop/file2.txt","r")
   text1 = file1.read()
   text2 = file2.read()
   text1 = re.findall(r'\w+',text1)
   text2 = re.findall(r'\w+',text2)
   for item in text2:
       if item not in text1:
           return item  

Answer 1

注意大写的单词。示例“Foo”和“Foo”将被视为两个不同的词，而实际上它们是相同的。代码将此视为不匹配，并将返回

Answer 2

虽然Jason Brooks的答案很完美，但我想你也可以看看这个。这利用了set()的基本特性，不需要循环。你知道吗

def translation_comparison():
    import re
    file1 = open("text1.txt","r")
    file2 = open("text2.txt","r")
    text1 = file1.read()
    text2 = file2.read()
    text1 = set(re.findall(r'\w+',text1))
    text2 = set(re.findall(r'\w+',text2))
    return list(text1.difference(text2))

set().difference()是一种基本方法。所以我想，这可能不是一个“晦涩的内在方法”。你知道吗

Answer 3

你可以这样做：

def translation_comparison():
   import re
   file1 = open("text1.txt","r")
   file2 = open("text2.txt","r")
   text1 = file1.read()
   text2 = file2.read()
   text1 = re.findall(r'\w+',text1)
   text2 = re.findall(r'\w+',text2)
   # added lines below
   text1 = list(set(text1))
   text2 = list(set(text2))
   for word in text2:
    if word in text1:
        text1.remove(word)
   return text1

看看我的评论。我们首先为每个文档中的单词列表设置集合。这就给我们留下了一个唯一的单词列表，以防出现重复的单词。接下来，我们循环遍历第二个文本中的每个单词，如果该单词也存在于第一个文本中，我们将其从第一个文本中的单词列表中删除。最后，我们将只剩下text1中不在text2中的单词。我们在最后返回包含所有这些单词的列表。你知道吗

让我知道这是否有意义，或者如果你有任何问题。你知道吗

编辑：根据@blckknght的建议，一种更简单的方法是使用集减法，如下所示：

def translation_comparison():
   import re
   file1 = open("text1.txt","r")
   file2 = open("text2.txt","r")
   text1 = file1.read()
   text2 = file2.read()
   text1 = re.findall(r'\w+',text1)
   text2 = re.findall(r'\w+',text2)
   return list(set(text1) - set(text2))

还要注意的是，这会将同一个单词的大写方式不同（例如：The与the）视为单独的单词。尽管这很容易用基本的列表理解来解决：text1 = [x.lower() for x in text1]和text2 = [x.lower() for x in text2]。你知道吗