布隆过滤器是一种用于快速判断某个元素是否存在于一个集合中的数据结构。它通过使用一个位数组和多个哈希函数来实现。正匹配的后果指的是当布隆过滤器返回某个元素存在时，可能出现误判。下面是一个包含代码示例的解决方法：

from bitarray import bitarray
import mmh3

class BloomFilter:
    def __init__(self, size, num_hash):
        self.size = size
        self.num_hash = num_hash
        self.bit_array = bitarray(size)
        self.bit_array.setall(0)
    
    def add(self, item):
        for seed in range(self.num_hash):
            index = mmh3.hash(item, seed) % self.size
            self.bit_array[index] = 1
    
    def contains(self, item):
        for seed in range(self.num_hash):
            index = mmh3.hash(item, seed) % self.size
            if not self.bit_array[index]:
                return False
        return True

在上面的代码中，我们使用了第三方库bitarray来创建位数组，并使用mmh3库中的哈希函数生成多个哈希值。BloomFilter类有两个重要的方法：add用于将元素添加到布隆过滤器中，contains用于判断元素是否存在。

使用布隆过滤器时，可以先将一些已知的元素添加到布隆过滤器中，然后可以使用contains方法来判断某个元素是否存在。但是需要注意的是，布隆过滤器返回某个元素存在时，可能会出现误判，即元素实际上不存在但布隆过滤器返回存在。因此，在使用布隆过滤器时，需要权衡误判的概率和存储空间的大小，根据具体的应用场景来确定合适的布隆过滤器参数。