Question

我手边有一个体面大小的文本文件（~23MB）。我正在逐行读取文件，并根据一些外部标准从每行中提取几个单词。为了这个例子，让我们说每行包含至少六个以制表符分隔的值，除了第一个和最后一个之外，我正在拾取所有这些值。

我想输出以这种方式获得的唯一单词集，所以显然我想将提取的单词存储在set中。此外，由于set.update(other)明显快于循环other并且一次只添加set.add(elem)一个字，我尝试这样做：

all_words = set()
with open(my_tsv_file) as tsv_file:
    for line in tsv_file:
        wordlist = based_on_some_criteria(line)    # this is a list, not a set
        all_words.update(wordlist)

这很好用。但是当我用all_words.update(wordlist)替换all_words |= wordlist时，我收到以下错误：

TypeError: unsupported operand type(s) for |=: 'set' and 'list'

从文档中，我了解update和|=是等效的。此外，由于|=应该接受任何迭代，我也通过这样做确认：

import collections
isinstance(wordlist, collections.Iterable)        # returns True

为什么使用set.update的第一种方法有效，而第二种方法使用|=？

Answer 1

从文档中，我了解更新和| =是等效的。此外，因为| =应该接受任何可迭代的......

来自文档：

请注意，update()，intersection_update()，difference_update()和symmetric_difference_update()方法的非运算符版本将接受任何iterable作为参数。

文档似乎不符合您的理解。

Answer 2

set等update方法接受任意迭代，而set和|等|=运算符则需要集合。

引用the documentation：

注意，union()，intersection()的非运营商版本， difference()，symmetric_difference()，issubset()和issuperset() 方法将接受任何iterable作为参数。相比之下，他们的基于运营商的对应者要求他们的参数是集合。这个排除了set('abc') & 'cbs'等容易出错的错误结构更具可读性set('abc').intersection('cbs')。

Python使用iterable设置更新

2 个答案: