Python域名列表精确求交集 处理|分隔多域名 规避in/re.search

问题说明 #

• 输入为两个通过readlines()读取域名文件得到的原始列表，基础样例：

a = ['abc.com','cde.com','efg.com']
b = ['yabc.com','cde.com','abce.com','efg.com']

• 匹配规则：
  • 必须完整精确匹配，禁止部分匹配，上述样例期望输出公共域名为['cde.com','efg.com']
  • 两个列表元素无固定顺序
• 特殊场景：文件部分行包含多个以|分隔的域名，readlines()会将这类行读取为单个字符串（例如['abc.com|cde.com|efg.com\n','xyz.com']），直接匹配会漏掉拆分后的独立域名
• 实现约束：禁止使用in、re.search类包含/正则匹配逻辑

实现代码 #

第一步：编写统一预处理函数 #

处理换行符、|分隔多域名场景，将原始列表转换为存储单个独立域名的集合，集合的哈希存储特性天然支持精确相等判定，不会出现部分匹配问题：

def clean_raw_domains(raw_lines: list[str]) -> set[str]:
    valid_domains = set()
    for line in raw_lines:
        stripped_line = line.strip()
        if not stripped_line:
            continue
        split_domains = stripped_line.split('|')
        for domain in split_domains:
            d = domain.strip()
            if d:
                valid_domains.add(d)
    return valid_domains

第二步：求精确交集 #

利用集合的位与运算求交集，运算逻辑基于元素哈希值完全相等判定，完全符合精确匹配要求，不会触发禁止使用的匹配逻辑：

domains_a = clean_raw_domains(a)
domains_b = clean_raw_domains(b)
common_domains = list(domains_a & domains_b)

效果验证 #

• 基础样例运行输出为['cde.com', 'efg.com']，完全符合预期
• 带|分隔多域名、带换行符的原始读取结果，经预处理后会被拆分为独立域名参与匹配，无漏匹配问题
• 不受列表原始顺序影响，可自动去除单个列表内的重复域名

内容的提问来源于stack exchange，提问作者Mr.V