Python多文件数据交叉比对函数异常：匹配值未加入集合

原代码存在的核心问题 #

1. 文件指针耗尽：内层嵌套循环遍历第二个文件时，会一次性读完所有内容，后续循环时文件指针已处于末尾，无法再读取内容，导致后续匹配项无法被检测到。
2. 换行符干扰：从文件读取的行默认包含末尾的\n，若文件格式存在差异（如某行无换行），会直接导致匹配失败。
3. 循环逻辑错误：使用cycle(files)结合range(n)的方式，无法覆盖所有两两文件组合，且奇数个文件时会出现重复配对。

修复方案 #

场景1：获取所有文件的共同匹配项（符合你的示例预期） #

此方案直接计算所有文件内容的交集，高效且准确：

def cross_reference(files):
    # 读取第一个文件内容，生成去重、去换行符的集合
    with open(files[0], 'r') as f:
        common_contacts = {line.strip() for line in f}
    
    # 依次与后续文件取交集
    for file_path in files[1:]:
        with open(file_path, 'r') as f:
            current_contacts = {line.strip() for line in f}
        common_contacts.intersection_update(current_contacts)
        # 交集为空时提前终止，提升效率
        if not common_contacts:
            break
    
    print(common_contacts)

# 调用示例
cross_reference(['file1.txt', 'file2.txt', 'file3.txt'])

执行后会输出{'0724-87234'}，与预期一致。

场景2：获取任意两个文件中的匹配项 #

如果需求是收集所有在至少两个文件中出现的内容，可利用itertools.combinations生成所有两两文件组合：

from itertools import combinations

def cross_reference(files):
    set_of_users = set()
    # 遍历所有两两文件组合
    for file_a, file_b in combinations(files, 2):
        # 读取两个文件的内容集合
        with open(file_a, 'r') as fa:
            contacts_a = {line.strip() for line in fa}
        with open(file_b, 'r') as fb:
            contacts_b = {line.strip() for line in fb}
        # 将两个集合的交集合并到结果中
        set_of_users.update(contacts_a & contacts_b)
    
    print(set_of_users)

# 调用示例
cross_reference(['file1.txt', 'file2.txt', 'file3.txt'])

内容的提问来源于stack exchange，提问作者user19914532