Python 我怎样才能以一种更高效、更通俗的方式编写以下代码？

我有一个带有url的列表：

文件\u url\u列表

，它打印到以下位置：

www.latimes.com, www.facebook.com, affinitweet.com, ...

[1, google.com], [2, www.google.com], [3, microsoft.com], ...

以及另一个排名前1M的url列表：

Top\u url\u list

，该列表打印到：

www.latimes.com, www.facebook.com, affinitweet.com, ...

[1, google.com], [2, www.google.com], [3, microsoft.com], ...

我想找到

文件url\u列表

中有多少url在

顶部url\u列表

中。我已经编写了以下代码，但我知道这不是最快的方法，也不是最具python风格的方法

# Find the common occurrences
found = []
for file_item in file_url_list:
    for top_item in top_url_list:
        if file_item == top_item[1]:
            # When you find an occurrence, put it in a list
            found.append(top_item)

---

我怎样才能以一种更有效、更通俗的方式来写这篇文章呢

您可以从第二个列表中获取URL，然后按照他的回答使用

set

，或者使用lambda和filter

top_url_list_flat = [item[1] for item in top_url_list]
print filter(lambda url: url in file_url_list, top_url_list_flat)

在Python 3中，filter返回一个可编辑的对象，因此必须执行以下操作：

for common in (filter(lambda url: url in file_url_list, top_url_list_flat)):
    print (common)

---

设置交叉点应该有帮助。此外，您还可以使用生成器表达式仅从

top\u url\u列表

中的每个条目中提取url

file_url_list = ['www.latimes.com', 'www.facebook.com', 'affinitweet.com']
top_url_list = [[1, 'google.com'], [2, 'www.google.com'], [3, 'microsoft.com']]

common_urls = set(file_url_list) & set(url for (index, url) in top_url_list)

或相当于由于：

---

你说你想知道文件中有多少URL在前1m列表中，而不是它们实际上是什么。构建一组较大的列表（我假设它将是1m），然后遍历另一个列表，计算每个列表是否在该集中：

top_urls = {url for (index, url) in top_url_list}
total = sum(url in top_urls for url in file_url_list)

如果文件列表较大，则从该列表生成集合：

file_urls = set(file_url_list)
total = sum(url in file_urls for index, url in top_url_list)

sum

将数字相加<顶部url中的code>url计算为

bool

，或者

True

或者

False

。这将分别转换为整数、

1

或

0

<文件url列表中url的顶部url中的代码>url有效地为

sum

生成一个

1

或

0

序列

也许效率稍高一点（我必须测试一下），如果顶部url中的

url

，您可以过滤并只对

1

s求和：

total = sum(1 for url in file_url_list if url in top_urls)

---

为什么要将计数器存储为列表的第一个元素？这实际上使事情变得复杂。有什么理由这样做吗？如果目标是“找到多少url[…]在最上面的url列表中”，为什么你什么都不算？你为什么要将它们添加到列表中有什么特别的原因吗？当你从

top\u url\u list

中删除计数器时，这可能会重复，但是，答案中没有提到它。糟糕的是，我没有注意到第二个列表。

file\u url\u list中的url

执行线性搜索使用集合理解：

set（用于（索引，url）在top\u url列表中）

=>

{url for（index，url）在top\u url列表中}

非常快速和优雅。谢谢。如果你要扔掉它们，你真的需要构建两套吗？也许

{url for（index，url）在top\u url列表中}。交叉点（文件url列表）

。看，这需要一个iterable。@PeterWood哦，这是个好建议。

&

需要两个集合，但

交叉点

不需要。