如何使用python查找文本中的字符偏移量

我的目标是在两个对齐的文本文档中识别匹配字符串，然后在每个文档中找到匹配字符串的起始字符的位置

doc1=['the boy is sleeping', 'in the class', 'not at home']
doc2=['the girl is reading', 'in the class', 'a serious student']

我的尝试：

# find matching string(s) that exist in both document list:
matchstring=[x for x in doc1 if x in doc2]
Output=matchstring='in the class'

"

现在的问题是在doc1和doc2中查找匹配字符串的字符偏移量（不包括标点符号，包括空格）

理想结果：

Position of starting character for matching string in doc1=20
Position of starting character for matching string in doc2=20

关于文本对齐有什么想法吗？谢谢。

嘿，伙计，试试这个：

doc1=['the boy is sleeping', 'in the class', 'not at home']
doc2=['the girl is reading', 'in the class', 'a serious student']

temp=''.join(list(set(doc1) & set(doc2)))
resultDoc1 = ''.join(doc1).find(temp)
resultDoc2 = ''.join(doc2).find(temp)

print "Position of starting character for matching string in doc1=%d" % (resultDoc1 + 1)
print "Position of starting character for matching string in doc2=%d" % (resultDoc2 + 1)

---

它完全符合您的期望

为什么我发现它是19而不是21？嗨@zhangxaochen，你在“sleep”中停止在字符“g”处计数，而不是在类中停止在字符“I”处。《男孩在睡觉》的长度是19，

I

是第20个字符，如果从0索引，则位于位置19。如果从零索引，则你是对的，那么字符偏移量就是第20个字符。请让我看看你的方法好吗？@zhangxaochen，你能告诉我你是怎么做的吗？任何人都可以通过主视图进行索引。Al Mamun，谢谢你的解决方案。正如你所说，它工作得很好。@Al Mamum，我仍然希望我能得到一个两行代码的答案。在真正的文档中，必须有“\n”或类似的解释。由于“\n”和“\n\r”（windows与linux的行尾）会影响文件中的偏移量，因此需要技巧。在这种情况下，请使用正则表达式：）