我将要完成的内容的描述：
扩展最后一点：
想象一下同一网站的两个页面，它们共享一个侧边栏，可能是一个已被复制/粘贴的共同祖先。每个页面都对侧边栏进行了一些小的更改。差异将揭示这些变化，然后我可以“向上”DOM以找到它们共享的第一个公共块元素，或者只是默认为<body>。在这种情况下，我想把它拿出来发现，哦，他们共享一个共同的<div id="sidebar">。
我熟悉DaisyDiff，应用程序类似 - 在CMS世界中。
我也开始玩google diff-patch库了。
我想问一下这种非特定的问题，希望能够征求任何人认为可能有用的建议或指导。目前，如果你把枪放在我的头上并说“CODE IT”我会用Python重写DaisyDiff并加入这个块级逻辑。但我想也许有更好的方法，Anyone have a diff algorithm for rendered HTML?的答案让我感到温暖和模糊。
答案 0 :(得分：9)
如果您要从头开始，一个有用的搜索词将是“树差异”。
有一篇非常棒的博客文章here，虽然我只是通过谷歌搜索“daisydiff python”，所以我打赌你已经看过了。除了所有有趣的理论内容之外，他还提到了Logilab's xmldiff的存在，这是一种用Python编写的开源XML。这可能是一个不错的起点 - 可能不如试图包装或重新实现DaisyDiff更正确，但可能更容易起床和快速运行。
pypi上还有html-tree-diff，我通过此Quora链接找到了http://www.quora.com/Is-there-any-good-Python-implementation-of-a-tree-diff-algorithm
关于cstheory.stackexchange上efficient diff algorithm for trees and Levenshtein distance的树差异有一些理论上的东西。
顺便说一句，只是为了澄清，你是谈论扩展两个DOM树，但不一定将diff / merge渲染回任何特定的HTML，对吧？ （编辑：对。）这里有很多类似措辞的问题，实际上是在问“如何将删除的行涂成红色并添加绿线”或“如何使匹配的段落在视觉上排成一行” “，跳过”如何首先区分两个DOM树“的理论难点部分以及”如何在此之前将可能格式错误的HTML解析为DOM树“的实际难点部分。 ：）
答案 1 :(得分：1)
我知道这些问题与python有关，但你可以看看3DM - XML 3-way Merging and Differencing Tool（java中的默认实现），但这里是描述所用算法的实际论文http://www.cs.hut.fi/~ctl/3dm/thesis.pdf，以及这是site的链接。
缺点是你必须清理文档并能够将其作为XML进行解析。
答案 2 :(得分：1)
您可以先使用beautifulsoup来解析这两个文档。
然后你可以选择：
prettify将这两种文档呈现为或多或少标准化的HTML和diff这些文档。后者允许您例如丢弃仅影响演示文稿的元素，而不是内容。前者可能更容易。