在Python中对两个文件进行双重灰显？

也许我的意思不是“双格雷普”，而是“近似字符串匹配”或“模糊文本匹配”？基本上，我希望有一个类似grep的程序，但搜索长度为X的短语，它们在两个文本中以大致相同的形式出现，并返回这些短语及其原始上下文。这就是我目前所拥有的。（这也取决于

用法：

myMatch = Matcher('milton.txt', 'kjv.txt', 2, 3)
myMatch.match()

---

它基本上是有效的，但它相当尴尬，因为它必须1）找到一个与n-gram匹配的字符串，2）找出这些n-gram在文本中的来源。有时程序会找到匹配项，但无法找出匹配项在原始文本中对应的位置。如果有一种方法可以从搜索文件本身开始，而不是搜索n-gram列表，那么整个过程就可以简化。有办法吗？或者，是否有一种方法将n-grams列表与其在原始文本中的位置相关联

在建立ngram列表时，创建一个字典，n-gram作为键，原始文本中的位置作为值列表。但是我如何获得原始文本中的位置呢？您首先是如何获得ngram的？你不是从原文中得到的吗？在列表中添加ngram时，同时在文本中保存位置。您应该知道从何处复制它。

span_tokenize（）

提供每个令牌的开始/结束偏移量。谢谢，@lenz。我如何使用它

nltk.span_tokenize（）

似乎不存在，nltk中的其他地方似乎没有实现。在构建ngram列表时，请创建一个字典，其中n-gram作为键，原始文本中的位置作为值列表。但是我如何获得原始文本中的位置？您首先是如何获得ngram的？你不是从原文中得到的吗？在列表中添加ngram时，同时在文本中保存位置。您应该知道从何处复制它。

span_tokenize（）

提供每个令牌的开始/结束偏移量。谢谢，@lenz。我如何使用它

nltk.span_tokenize（）

似乎不存在，在nltk的其他地方，它看起来没有实现。

myMatch = Matcher('milton.txt', 'kjv.txt', 2, 3)
myMatch.match()