Question

我同时从两个具有相同内容（单词列表）的文本文件中读取行。

peach
carrot
apple
lemon

我想检查两条同时行是否相同。如果不是，则总相似度降低。由于这两个文件是相同的，因此检查身份应该导致100％的相似性。相反，我得到0％。

from itertools import izip, izip_longest

with open(r'file1.txt', "rb") as f1, open(r'file2.txt', "rb") as f2:

    #initialize numerator & denominator values for calculating file similarity
    nTotal = 4 #total number of lines in each file
    nIdent = nTotal

    for line1, line2 in izip_longest(f1, f2):

        if((line1 is line2) is False):

            nIdent -=1

    similarity = nIdent/nTotal

为什么线条不相同？

Answer 1

您的比较line1 is line2 不与line1 == line2相同。对象不相同，但它们代表的数据是。

equal_lines = 0

with open(r'file1.txt', "rb") as f, open(r'file2.txt', "rb") as f2:
    for f1_line, f2_line in zip(f.readlines(), f2.readlines()):
        if f1_line == f2_line:
            equal_lines += 1

Answer 2

你必须改变：

if((line1 is line2) is False):

由：

if line1 == line2:

当您在Python中比较string个对象时，您无法使用is运算符，因为在大多数解释器实现中，相同的字符串表示为不同的对象大部分时间

如果你要比较的对象是相同的，那么
is运算符返回True，而不是对象的值是相同的，这是你需要的最后一种情况。

在某些解释器实现中，具有相同值的字符串可以在共享相同对象的情况下结束实现，但这不是您应该信任的脚本：

'abc' is 'abc' # True in CPython.

以上示例完全依赖于实现，将来可能会有所不同。您应该通过其值来比较不可变对象，而不是它的对象id（即is运算符所做的那样）。

来自Python文件中具有相同内容的2个文件的2行标识

2 个答案: