Python 查找长度匹配的字符串>；4在两个文本文件之间

我试着读入两个文本文件，然后搜索两个文本文件之间共同的字符串，最小长度为5

我写的代码是：

db = open("list_of_2","r").read()
lp = open("lastpass","r").read()

word = ''
length = 0

for dbchar in db:
    for lpchar in lp:
        if dbchar == lpchar:
            word += str(dbchar)
            length += 1
        else:
            length = 0
            word = ''
        if length > 4:
            print(word)

代码当前反复打印像“----”和“55555”这样的字符串，并且似乎没有中断循环（这些特定字符串只在

lp

中出现一次）。我也不相信它能找到不只是重复同一个字符的字符串

如何将代码更改为：

仅使其贯穿并打印每个事件一次，并且

不只是发现相同字符的字符串重复

编辑：这里有一些模拟文本文件。其中，字符串“ghtyty”在file1中出现三次，在file2中出现四次。代码应该在控制台上打印一次“ghtyty”

---

我建议采用不同的方法。将文件拆分为单词，并仅保留单词5个或更多字符。使用集合来查找交点--这样会更快

db_words = set([x for x in db.split() if len(x) > 4])
lp_words = set([x for x in lp.split() if len(x) > 4])

matches = db_words & lp_words

如果要排除所有相同字符的单词，可以如下定义列表理解：

[x for x in db.split() if len(x) > 4 and x != x[0]*len(x)]

---

如果要查找匹配的任何连续字符序列，这可能会更好：

i_skip = set()  # characters to skip if they are already in a printed word
j_skip = set()

for i in range(len(db)-4):
    if i in i_skip: continue
    for j in range(len(lp)-4):
        if j in j_skip: continue
        if db[i] == lp[j]:
            word_len = 5
            while db[i:i+word_len] == lp[j:j+word_len]:
                if db[i:i+word_len+1] == lp[j:j+word_len+1]:
                    word_len += 1
                else:
                    print(db[i:i+word_len])
                    i_skip.update(range(i, i+word_len))
                    j_skip.update(range(j, j+word_len))
                    break

---

我建议采用不同的方法。将文件拆分为单词，并仅保留单词5个或更多字符。使用集合来查找交点--这样会更快

db_words = set([x for x in db.split() if len(x) > 4])
lp_words = set([x for x in lp.split() if len(x) > 4])

matches = db_words & lp_words

如果要排除所有相同字符的单词，可以如下定义列表理解：

[x for x in db.split() if len(x) > 4 and x != x[0]*len(x)]

---

如果要查找匹配的任何连续字符序列，这可能会更好：

i_skip = set()  # characters to skip if they are already in a printed word
j_skip = set()

for i in range(len(db)-4):
    if i in i_skip: continue
    for j in range(len(lp)-4):
        if j in j_skip: continue
        if db[i] == lp[j]:
            word_len = 5
            while db[i:i+word_len] == lp[j:j+word_len]:
                if db[i:i+word_len+1] == lp[j:j+word_len+1]:
                    word_len += 1
                else:
                    print(db[i:i+word_len])
                    i_skip.update(range(i, i+word_len))
                    j_skip.update(range(j, j+word_len))
                    break

---

您能在两个文件中提供一小部分文本吗？很遗憾，没有。其中一个文件包含我的密码及其关联域。：）您可以发明一些模拟数据，使您能够提供一个完整的示例文件。无论如何，看看

difflib

模块（尤其是

SequenceMatcher

），它在这里可能会有所帮助。字符串是否有特殊的特性，比如只作为空格分隔的单词？因为这会让生活变得更简单。你能在两个文件中提供一个小的文本样本吗？不幸的是，没有。其中一个文件包含我的密码及其相关域。：）您可以发明一些模拟数据，使您能够提供一个完整的示例文件。无论如何，看看

difflib

模块（尤其是

SequenceMatcher

），它在这里可能会有所帮助。字符串是否有特殊的特性，比如只作为空格分隔的单词？因为这会让生活变得更简单。拆分不依赖于预定义的/已知的分隔符吗？不幸的是，两个文件的排列都不是很整齐，我正在寻找5个连续字符的匹配项。

split

将使用任何空格进行分割。这不是定义单词的方式吗？我在原始帖子中添加了一些虚拟数据。拆分不依赖于预定义的/已知的分隔符吗？不幸的是，两个文件的排列都不是很整齐，我正在寻找5个连续字符的匹配项。

split

将使用任何空格进行分割。这不是你定义单词的方式吗？我在原始帖子中添加了一些虚拟数据。