如何对比两个字符串S1、S2获取多类词级统计结果
词级字符串差异统计实现方案
需求说明
给定两个字符串S1、S2,需完成三类统计输出:
- a. 统计S1与S2的共同单词数量
- b. 提取仅存在于S1、不存在于S2的单词集合
- c. 提取仅存在于S2、不存在于S1的单词集合
当前问题:仅能实现字符(字母)维度的同异对比,无法完成上述词级维度的统计,需要可行实现方案。
输入输出示例:
输入:
S1 =the first column F will contain only 5 unique values
S2 =the second column S will contain only 3 unique values
输出:
- a. 7
- b.
['first','F','5']- c.
['second','S','3']
核心实现思路
词级统计和字符级统计的核心差异是先将字符串拆分为独立单词列表,再基于集合运算做差异对比,无需逐字符遍历:
- 按空格拆分两个输入字符串,得到各自的单词列表
- 将单词列表转换为集合,利用集合运算快速得到交集、差集
- 若需保留单词在原字符串中的出现顺序,遍历原单词列表筛选即可
可运行代码示例(Python)
# 定义输入字符串 S1 = "the first column F will contain only 5 unique values" S2 = "the second column S will contain only 3 unique values" # 步骤1:拆分单词 words1 = S1.split() words2 = S2.split() # 步骤2:转换为集合用于快速对比 set1 = set(words1) set2 = set(words2) # 步骤3:计算三类结果 common_word_count = len(set1 & set2) # 共同单词数量 only_in_s1 = [word for word in words1 if word not in set2] # 仅S1的单词,保留原顺序 only_in_s2 = [word for word in words2 if word not in set1] # 仅S2的单词,保留原顺序 # 输出结果,与示例完全匹配 print(f"a. {common_word_count}") print(f"b. {only_in_s1}") print(f"c. {only_in_s2}")
注意事项
- 若输入字符串包含标点符号(如逗号、句号),需先清洗替换为空格再拆分,避免
values和values.被判定为不同单词 - 当前实现默认大小写敏感,若需不区分大小写统计,可将所有单词统一转小写/大写后再做对比,输出时可按需还原原始大小写
内容的提问来源于stack exchange,提问作者Tanmay Sharma
相关产品推荐
相关产品推荐

