Python文本文件逐行比对：如何高效查找至少四个共同数据的行？

使用python逐行比对文本文件中的数据，检测共同数据的难题及解决方案

在python中，逐行比对文本文件中的数据是一个常见的任务。然而，当目标是查找并匹配特定数量的共同数据时，可能会遇到一些挑战。本文将探讨一个使用python比对两个文本文件每一行的问题场景，以及引入的故障排除和优化措施。

问题场景：

我们有两个文本文件，test1和test2，分别包含以下数据：

立即学习“Python免费学习笔记（深入）”；

test1 1,2,3,4,5,6 5,6,7,8,9,10 11,12,13,14,15  test2 2,3,4,5,6,7 7,8,9,10,11,12

目标是逐行比对test1中的数据与test2中的每一行，找出包含至少四个相同数据的行。最初提供的代码如下：

import os, linecache  file1 = open('test1.txt','r',encoding= 'gb18030') arr1 = file1.readlines() file2 = open('test2.txt','r',encoding= 'gb18030') arr2 = file2.readlines()  for fields1 in arr1:     for fields2 in arr2:         c = set(fields1).intersection(set(fields2))         d = len(c)         if d == 4:             print(list(c), ",", len(c))

故障排除：

该代码存在以下问题：

• 它在每个内部循环中输出多个结果，导致输出混乱。
• 它没有正确地将字段分割为单个数字，导致集合操作产生意外结果。

优化解决方案：

为了解决这些问题，我们进行了以下改进：

• 在test1和test2中，将原始字符串拆分为单独的数字列表：

  arr1 = ["1,2,3,4,5,6".split(","), "5,6,7,8,9,10".split(","), "11,12,13,14,15".split(",")] arr2 = ["2,3,4,5,6,7".split(","), "7,8,9,10,11,12".split(",")]

• 修改循环以只在找到匹配时输出匹配行，而不是每次循环都输出：

  for fields1 in arr1:   nums1 = set(fields1)  # 去重数字   for fields2 in arr2:       nums2 = set(fields2)  # 去重数字       if len(nums1.intersection(nums2)) >= 4:  # 满足条件则打印并终止搜索           print(fields2)           break

通过这些改进，我们的代码现在可以正确比对test1和test2中的数据，并输出符合条件的test2行，而不会出现混乱或不相关的输出。