Python unicode搜索没有给出正确的答案

Question

我试图搜索文件1中每个文件包含一行的印地语单词，并在文件2中的行中找到它们。我得把找到的字数打印出来。 代码如下：

import codecs

hypernyms = codecs.open("hindi_hypernym.txt", "r", "utf-8").readlines()
words = codecs.open("hypernyms_en2hi.txt", "r", "utf-8").readlines()
count_arr = []

for counter, line in enumerate(hypernyms):
    count_arr.append(0)
    for word in words:
        if line.find(word) >=0:
            count_arr[counter] +=1

for iterator, count in enumerate(count_arr):
if count>0:
    print iterator, ' ', count

这是在寻找一些词，但忽略了其他一些词 输入文件包括： 文件-1：

^{pr2}$

文件2：

वनस्पति, पेड़-पौधा  
वस्तु-भाग, वस्तु-अंग, वस्तु_भाग, वस्तु_अंग  
पादप_समूह, पेड़-पौधे, वनस्पति_समूह  
पेड़-पौधा

这将产生输出：

0 1  
3 1

显然，它忽略了वनस्पततति，只搜索宪धा。我也尝试过其他输入。它只搜索一个单词。你知道怎么纠正吗？在

Answer 1

因为你没有删除行尾的“\n”字符。 所以您不会搜索“some\u pattern”，而不是“some\u pattern”。 使用strip（）函数将它们切掉，如下所示：

import codecs

words = [word.strip() for word in codecs.open("hypernyms_en2hi.txt", "r", "utf-8")]
hypernyms = codecs.open("hindi_hypernym.txt", "r", "utf-8")
count_arr = []

for line in hypernyms:
    count_arr.append(0)
    for word in words:
        count_arr[-1] += (word in line)

for count in enumerate(count_arr):
    if count:
        print iterator, ' ', count

Answer 2

我认为问题出在这里：

words = codecs.open("hypernyms_en2hi.txt", "r", "utf-8").readlines()

.readlines()将在末尾保留换行符，因此您不是在搜索पौधा，而是在पौधा\n中搜索，并且只在行尾匹配。如果我改为使用.read().split()，我得到

^{pr2}$

Answer 3

输入此代码，您将看到为什么会发生这种情况，因为空格： 在文件1中，第一个单词是पौध[space]。。。。在

for i in hypernyms:
    print "file1",i

for i in words:
    print "file2",i

在count_arr=[]之后，在计数器之前，行。。。在