Python列表里面两两比较的案例,不包括本身也不重复

使用itertools库,使用itertools.combinations方法两两组合放一起

import itertools
 a=list(itertools.combinations(k, 2))
import itertools
import os
filePath = 'txt'
for i,j,k in os.walk(filePath):
        a=list(itertools.combinations(k, 2))
        print(a)
        print(a[0][1])

在这里插入图片描述
在这里插入图片描述

# -*- codeing = utf-8 -*-
# @time : 2022/6/19 14:39
# @Author : PXY
# @File : Jacc_sim.py
# @Software: PyCharm

# -*- coding: utf-8 -*-

# 正则包
import re
# 自然语言处理包
import jieba
import jieba.analyse
# html 包
import html
import os
import itertools

class JaccardSimilarity(object):
    """
    jaccard相似度
    """
    def __init__(self, content_x1, content_y2):
        self.s1 = content_x1
        self.s2 = content_y2

    @staticmethod
    def extract_keyword(content):  # 提取关键词
        # 正则过滤 html 标签
        re_exp = re.compile(r'(<style>.*?</style>)|(<[^>]+>)', re.S)
        content = re_exp.sub(' ', content)
        # html 转义符实体化
        content = html.unescape(content)
        # 切割
        seg = [i for i in jieba.cut(content, cut_all=True) if i != '']
        # 提取关键词
        keywords = jieba.analyse.extract_tags("|".join(seg), topK=200, withWeight=False)
        return keywords

    def main(self):
        # 去除停用词
        jieba.analyse.set_stop_words('.\\hit_stopwords.txt')

        # 分词与关键词提取
        keywords_x = self.extract_keyword(self.s1)
        keywords_y = self.extract_keyword(self.s2)

        # jaccard相似度计算
        intersection = len(list(set(keywords_x).intersection(set(keywords_y))))
        union = len(list(set(keywords_x).union(set(keywords_y))))
        # 除零处理
        sim = float(intersection)/union if union != 0 else 0
        return sim


# 测试
if __name__ == '__main__':
    filePath='txt'
    for i, j, k in os.walk(filePath):
        a=list(itertools.combinations(k, 2))
        for d in range(0,len(a)):
            with open('.\\txt\\{}'.format(a[d][0]), encoding='UTF8', mode='r') as x, open('.\\txt\\{}'.format(a[d][1]),encoding='UTF8', mode='r') as y:
                content_x = x.read()
                content_y = y.read()
                similarity = JaccardSimilarity(content_x, content_y)
                similarity = similarity.main()
                h='相似度: %.2f%%' % (similarity*100)
                with open("结果.txt","a", encoding='UTF8') as t:
                    t.write(h+"\n")
                print(h)


在这里插入图片描述

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

萧鼎

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值