Question

我想找到两个文件之间匹配的字符。在file1.txt我有red green blue，file2.txt我有green gray，我想要输出：

green

我已经尝试过了：

searchfile = open("file1.txt", "r")
      for line in searchfile:
         if "red" in line:
             print line
      searchfile.close()

但它打印整个文件内容。我怎样才能得到这个输出？

Answer 1

您询问如何找到两个文件中的字符，但是从您预期的输入和输出看来，您实际上希望两个文件中都存在字，并由一个空间。

set1 = set(open("a.txt").read().split())
set2 = set(open("b.txt").read().split())
print filter(lambda x: x in set1, set2)

打印

['green']

a.txt包含

red green blue

和b.txt包含

green gray

如果您不是特别感兴趣的话，请不要读过这里。这是更快 - 而且更漂亮 - 的方法。

由于OP要求采用其他方法，如果您非常非常特别关注时间复杂度，您可以创建一个生成器函数：

whitespace = {' ','\n'}
def word_generator(file_object):
  str_list = []
  for char in file_object:
    if char not in whitespace:
      str_list.append(char)
    else:
      yield "".join(str_list)
      del str_list[:]

with open("a.txt") as f1, open("b.txt") as f2:
  set1 = set(word_generator(f1.read()))
  set2 = set(word_generator(f2.read()))
  print filter(lambda x: x in set1, set2)

这样您就不会将文件内容读入字符串，将字符串拆分为列表，然后从列表中构建集合。相反，你是＆＃34;分裂＆＃34;即时的字符串，直接将字词提供给集合理解。

成本也较低（尽管非常微不足道），因为您只是将每个角色与空格和换行进行比较。没有任何参数的split与space, tab, newline, return and formfeed进行比较。就像我说的那样，差别非常微不足道。

<强> [编辑]

虽然我对不同方法的复杂性的推理似乎（至少对我而言）听起来很有效，split的高效C实现似乎胜过使用生成器的好处：

def split():
  set1 = set(open("a.txt").read().split())
  set2 = set(open("b.txt").read().split())
  lst = filter(lambda x: x in set1, set2)

def generator():

  whitespace = {' ','\n'}
  def word_generator(file_object):
    str_list = []
    for char in file_object:
      if char not in whitespace:
        str_list.append(char)
      else:
        yield "".join(str_list)
        del str_list[:]
  with open("a.txt") as f1, open("b.txt") as f2:
    set1 = set(word_generator(f1.read()))
    set2 = set(word_generator(f2.read()))
    lst = filter(lambda x: x in set1, set2)

if __name__ == "__main__":
  from timeit import timeit
  print timeit("split()", setup="from __main__ import split", number=10000)
  print timeit("generator()", setup="from __main__ import generator", number=10000)

以上产量

0.103315830231
0.151041984558

因此（在许多后续运行中的比例几乎相同），所以看起来你应该采用第一种更简单的方法。如何释放，发电机解决方案真的很难看。

如果有人对第一种方法为何更快有不同的看法，我很乐意听到它。

Answer 2

你应该：

对于每个文件，使用当前代码和拆分功能
构建集和计算交集：s1＆amp; S2

在Python中搜索两个文件

2 个答案: