python现有两个磁盘文件a和b_python比较文件A和文件B

解决这类问题的关键不是考虑“文件”，而是考虑数据。什么是文件？只是一堆线。所以你只是在问如何从一个iterable中找到所有的值，这些值也在另一个iterable中。这很简单。在with open('file1') as f1, open('file2') as f2:

matches = set(f1).intersection(f2)

set构造函数接受任何像文件一样的iterable并从中生成一个集合。在

intersection方法接受任何类似于文件的iterable，并提供self集合和该iterable中的所有元素。所以，在本例中，所有的元素都在file1的所有行集合中，以及file2所有行的iterable中。在

下面是一个例子来说明它的工作原理：

文件1：

^{pr2}$

文件2：janesmith@example.com

rowdyroddypiper@example.com

jackjohnson@example.com

marysmith@example.com

代码：>>> with open('file1') as f1, open('file2') as f2:

... matches = set(f1).intersection(f2)

>>> matches

{'marysmith@example.com\n', 'rowdyroddypiper@example.com\n'}

当然，这需要将file1的全部读入内存。如果这不可能，最有效的替代方法可能是对这两个文件进行脱机排序，然后对它们进行迭代。在

但更简单的解决方案是使用dbm(具有无意义的值)作为磁盘上的集合。Here's an implementation我一拍即合。它需要Python3.3+，在Windows上可能有问题，只处理str元素，只支持^{}加intersection的最小API；如果您需要旧版本、可移植性、不同的键类型、更好的错误处理等，则可能需要3分钟以上的时间。不管怎样：>>> import dset

>>> with open('file1') as f1, open('file2') as f2:

... matches = dset.DiskSet(f1).intersection(f2)

对于中等大小的文件，任何磁盘上的解决方案显然都会慢得多，但是当你找到一些巨大的文件时，要么无法放入内存，要么更糟的是，只能把你的整个计算机扔进交换地狱，它显然会赢。在