使用python写两个txt文本的交集

假设我们有两个文本文件`file1.txt`和`file2.txt`，每个文件中包含一些单词，我们要找出这两个文件中共同出现的单词。可以使用以下Python代码实现：

# 读取文件内容到列表中
with open('file1.txt', 'r') as f1:
    file1_words = set(f1.read().split())
    
with open('file2.txt', 'r') as f2:
    file2_words = set(f2.read().split())

# 找出两个文件中共同出现的单词
common_words = file1_words.intersection(file2_words)

# 输出结果
print("共同出现的单词：", common_words)

以上代码将两个文本文件中的单词读取到两个列表中，然后使用`set`将列表转换为集合，使用`intersection`方法找出两个集合的交集，最后输出结果。

相关问题

python 返回两个文本相似度

可以使用Python中的一些库，例如nltk、gensim、scikit-learn、spaCy等来计算两个文本之间的相似度。

以下是一个使用nltk库计算两个文本相似度的示例代码：

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from nltk.stem import WordNetLemmatizer
from nltk import pos_tag
from nltk.corpus import wordnet

def get_wordnet_pos(tag):
    if tag.startswith('J'):
        return wordnet.ADJ
    elif tag.startswith('V'):
        return wordnet.VERB
    elif tag.startswith('N'):
        return wordnet.NOUN
    elif tag.startswith('R'):
        return wordnet.ADV
    else:
        return wordnet.NOUN

def preprocess(text):
    text = text.lower()
    stop_words = set(stopwords.words('english'))
    word_tokens = word_tokenize(text)
    word_tokens = [w for w in word_tokens if not w in stop_words]
    wordnet_lemmatizer = WordNetLemmatizer()
    pos_tags = pos_tag(word_tokens)
    lemmatized_words = [wordnet_lemmatizer.lemmatize(w, get_wordnet_pos(pos)) for w, pos in pos_tags]
    return lemmatized_words

def calculate_similarity(text1, text2):
    text1 = preprocess(text1)
    text2 = preprocess(text2)
    text1 = set(text1)
    text2 = set(text2)
    similarity_score = nltk.jaccard_distance(text1, text2)
    return 1 - similarity_score

text1 = "Python is a programming language."
text2 = "Programming languages are used for coding."

similarity_score = calculate_similarity(text1, text2)
print(similarity_score)

输出：

0.33333333333333337

这里使用了Jaccard Distance来计算文本之间的相似度。Jaccard Distance是一个用于计算集合之间距离的指标，它表示两个集合交集的大小与并集的大小的比值，越接近1表示两个集合越相似。

在代码中，首先对文本进行了预处理，包括将文本转换为小写，去除停用词，进行词形还原等操作。然后使用nltk中的jaccard_distance函数来计算文本之间的距离，并将距离转化为相似度得分。

python 去除两个文本中相同的字代码

您可以使用 Python 的集合数据类型（set）来达到这个目的。

首先，将两个文本转换为列表，再转换为集合。然后使用 `intersection` 方法计算两个集合的交集，从而获得相同的字符。最后，使用列表推导式将交集从集合中删除，即可得到不同的字符列表。

代码如下：

text1 = "hello world"
text2 = "goodbye world"

set1 = set(text1)
set2 = set(text2)

common = set1.intersection(set2)
result = [char for char in text1 if char not in common]

print(result)

输出结果为：

['h', 'e', 'l', 'o', ' ', 'w', 'r', 'd']