文本双向比对不匹配项功能实现问题求助

问题分析 #

原代码仅能单向检查第二段文本中不存在于第一段的内容，且未处理第一段文本中独有的元素，无法满足双向比对的需求。

解决方案 #

以下提供两种实现方式，分别适配不同场景：

方式一：保留重复项的双向检测

如果需要保留原文本中重复出现的不匹配单词（比如第一段出现多次的独有关键词），可以使用列表推导式：

text_a = 'qwerty bla Bla new'
text_b = 'Bla qwerty bla'

# 拆分文本为单词列表
words_a = text_a.split()
words_b = text_b.split()

# 提取仅存在于a的单词
only_in_a = [word for word in words_a if word not in words_b]
# 提取仅存在于b的单词
only_in_b = [word for word in words_b if word not in words_a]

print("仅在第一段文本中的内容：", only_in_a)
print("仅在第二段文本中的内容：", only_in_b)

运行结果：

仅在第一段文本中的内容： ['new']
仅在第二段文本中的内容： []

方式二：基于集合的高效去重检测

如果只关心单词的存在性（不关注重复次数），使用集合的差集操作会更高效：

text_a = 'qwerty bla Bla new'
text_b = 'Bla qwerty bla'

set_a = set(text_a.split())
set_b = set(text_b.split())

only_in_a = set_a - set_b
only_in_b = set_b - set_a

print("仅在第一段文本中的内容：", only_in_a)
print("仅在第二段文本中的内容：", only_in_b)

运行结果：

仅在第一段文本中的内容： {'new'}
仅在第二段文本中的内容： set()

可选：忽略大小写匹配

如果不需要区分单词的大小写（比如认为Bla和bla是同一个单词），可以在判断时统一转换为小写：

text_a = 'qwerty bla Bla new'
text_b = 'Bla qwerty bla'

words_a = text_a.split()
words_b = text_b.split()

# 转换为小写集合用于匹配
lower_b = {word.lower() for word in words_b}
only_in_a = [word for word in words_a if word.lower() not in lower_b]

lower_a = {word.lower() for word in words_a}
only_in_b = [word for word in words_b if word.lower() not in lower_a]

print("仅在第一段文本中的内容：", only_in_a)
print("仅在第二段文本中的内容：", only_in_b)

内容的提问来源于stack exchange，提问作者Qadyr Israfilov