如何有效地比较两个HTML页面内容

Question

我有两个HTML页面，我想要比较它们的源代码。我已将页面源转换为字符串，我需要知道比较两个巨大字符串的最佳方法。

• 我应该使用常规比较方法，例如page1.eql?(page2)？
• str.eql?(str1)是否也会比较符号，例如@？

我真的很想知道比较的最佳方法。

Answer 1

我不确定你想要比较多详细。如果您想要“类似差异”功能，可以查看之前提出的类似问题：diff a ruby string or array

Answer 2

这是levenshtein方法，它将打印字符串之间的差异，我不确定这是否是你正在寻找的。否则我建议只使用page1.eql？（page2）

def levenshtein(a, b)
  case
    when a.empty? then b.length
    when b.empty? then a.length
    else [(a[0] == b[0] ? 0 : 1) + levenshtein(a[1..-1], b[1..-1]),
          1 + levenshtein(a[1..-1], b),
          1 + levenshtein(a, b[1..-1])].min
  end
end

Answer 3

查看loofah gem（github link）。它在语义上区分HTML（和XML）子树，意味着忽略无意义的空格，忽略属性的顺序等。

Answer 4

尝试使用http://prettydiff.com/?lang=html

Pretty Diff会删除评论和无意义的空白区域，以便进行最准确的比较。它还提供了用于微调各种误报条件的高级选项。