Python如何对比两份文档匹配ID并打印文档B中对应的完整行

你写的第二种方案触发错误有两个核心原因：

1. 变量名覆盖：你一开始把API返回的目标ID列表存在data变量，后续读文件时又执行data = f.readlines()，直接把原来的ID列表覆盖成了文件行列表
2. 判断逻辑写反：line.__contains__(data)是判断列表类型的data是否存在于字符串类型的line中，类型不匹配才触发TypeError，正确逻辑应该是判断行内包含的ID是否存在于目标ID列表中

直接遍历文件匹配即可，用集合存目标ID可以大幅提升查找效率，写法如下：

import requests
# 第一步：获取目标ID列表，注意不要和其他变量重名，转成集合提升查找速度
response = requests.request("GET", url, headers=headers, data=payload)
target_ids = set(response.json()["SkinsPanelLayout"]["SingleItemOffers"])
# 如果你的ID列表是从shopid.txt读取，替换上面的代码为下面的即可：
# with open('shopid.txt', 'r', encoding='utf-8') as f:
#     target_ids = set(line.strip().strip("'\",[] ") for line in f if line.strip())

data_log = []
# 第二步：遍历文档B逐行匹配
with open('skin_database2.txt', 'r', encoding='utf-8') as f:
    for line in f:
        line_strip = line.strip()
        if not line_strip:
            continue
        # 提取每行末尾的ID（文档B所有行的ID都在最后一位）
        line_id = line_strip.split()[-1]
        if line_id in target_ids:
            print(line_strip)
            data_log.append(line_strip)
print(data_log)

你原来的Pandas写法有问题：文档B的行长度不统一，部分行有3个字段，直接指定两列的列名会导致数据错位，优化后写法如下：

import pandas as pd
# 读取文档A的目标ID
df1 = pd.read_csv('shopid.txt', header=None, names=['id'])
target_ids = set(df1['id'].unique())
# 读取文档B的完整行，不拆分列
df2 = pd.read_csv('skin_database2.txt', header=None, names=['raw_line'])
# 提取每行末尾的ID
df2['line_id'] = df2['raw_line'].str.split().str[-1]
# 筛选匹配的行
match_lines = df2[df2['line_id'].isin(target_ids)]['raw_line'].to_list()
print(match_lines)

内容的提问来源于stack exchange，提问作者jerf