确定文档与Python的不同之处

Question

我一直在使用Python difflib库来查找2个文档的不同之处。 Differ（）。compare（）方法执行此操作，但它非常慢 - 与diff命令相比，大型HTML文档至少慢100倍。

如何有效地确定Python中2个文档的不同之处？ （理想情况下，我是在位置而不是实际文本，这是SequenceMatcher（）。get_opcodes（）返回的位置。）

Answer 1

a = open("file1.txt").readlines()
b = open("file2.txt").readlines()
count = 0
pos = 0

while 1:
    count += 1
    try:
        al = a.pop(0)
        bl = b.pop(0)
        if al != bl:
            print "files differ on line %d, byte %d" % (count,pos)
        pos += len(al)
    except IndexError:
        break

Answer 2

Google对于带有python API的纯文本有一个diff library，它应该适用于您要使用的html文档。我不确定它是否适合您特定的用例，您对差异的位置特别感兴趣，但值得一看。

Answer 3

一个丑陋而愚蠢的解决方案：如果diff更快，请使用它;通过python通过subprocess调用，解析命令输出以获取所需信息。这不会像diff那么快，但可能比difflib快。