For/if 状态以一种方式工作，但不以另一种方式工作

Question

我通常讨厌寻求帮助，但在这方面我已经受够了。

当我执行以下操作时，该函数起作用并提供所需的输出（文件之间的匹配行）。如果我反转 for/if 语句正在使用的文件，我不会得到文件之间匹配的行。因此，它以一种方式而不是另一种方式从两个文件中提取所需的（相同的）文本。

作品：

 with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
     for line in t1:
         if line in t2:
             print(line)

无效：

 with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
      for line in t2:
         if line in t1:
            print(line)

我确定这很简单，但我真的盯着它看的时间比我想说的要长。这是一小段代码，我正试图为我正在从事的一个更大的项目工作。我似乎无法解决这个具体问题。

解决方案:

 with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
      t1_lines = set(t1)  
      for line in t2:
         if line in t1_lines:
            print(line)

Answer 1

遍历一次后迭代器就用完了。 t1 和 t2 是迭代器。每次迭代都会生成一行文件。

if line in t2 遍历 t2 直到找到匹配项。如果找不到匹配项，t2 将完全耗尽。所以下次测试if line in t2时，即使line在textfile2.txt.

中也找不到匹配项

例如，假设 textfile1.txt 包含

BAR
BAZ

和textfile2.txt包含

FOO
BAR

然后考虑

with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
     for line in t2:
        if line in t1:
           print(line)

在第一次通过循环时，line 是 'FOO'（这里让我们忽略行尾字符）。 if line in t1 导致 t1 遍历 BAR 和 BAZ。由于 line 不等于其中任何一个，因此 t1 已用完并且循环继续下一个值。

在第二遍中，line 等于 BAR。现在 if line in t1 测试 BAR 是否在空迭代器中。所以没有一行被打印出来。

相比之下，当运行

with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
    for line in t1:
        if line in t2:
            print(line)

在第一次通过循环时，line 是 BAR。现在 if line in t2 为 True，因为 t2 将产生行 BAR。

Answer 2

您不能在文件上使用 in 并让它工作两次。

发生的事情是 in 将文件 reader 位置向前移动 。文件对象是一个 iterable 并且 in 在这样的对象上获取每个对象（在这种情况下来自文件的行）来测试一个是否相等。当您找到一个相等的对象时，迭代停止并返回 True。如果没有找到相等的对象，迭代将继续，直到到达终点。

例如，如果 t2 只包含 一个额外的行 ，那么试图在 t1 中找到该行将导致所有 t1 阅读以尝试找到它。从 t2 读取的任何后续行现在都将失败，因为 t1 已到达末尾并且不会返回更多行。

在此过程中，可迭代的任何时候都不会 'rewound' 开始。文件读指针只向前移动，不会回到起点。

如果使用 in 在一种情况下有效，那么这意味着从 t1 读取的每一行也恰好以相同的顺序出现在t2。反之则不然，如果 t2 包含 额外的行 ，这些行在第一个文件中以不同的顺序出现。

如果您的文件很小，将其中一个文件放入 set object:

with open('textfile1.txt','r') as t1, open('textfile2.txt', 'r') as t2:
    t1_lines = set(t1)
    for line in t2:
         if line in t1_lines:
             print(line)

集合让您可以在 恒定时间 中测试对象的存在；无论 t1 中有多少行，平均而言，测试其中一行所花费的时间总是相同的。

如果您使用大文件，您可以使用 fileobj.seek(0) 强制文件指针回到开头。但是，跨文件读取（扫描 in 测试时会到达每一行）将会慢。您可以使用 memory mapping 来稍微缓解这种情况，但您可能希望确保文件行已排序，然后使用索引或二分法来加快查找匹配行的过程。

For/if 状态以一种方式工作，但不以另一种方式工作

For/if state works one way, but not the other

conditional

with-statement

string-comparison

python-3.x