计算两个HTML文件的百分比差异

Question

我正在用PHP编写一个工具来比较HTML文件并显示差异。现在我正在寻找一种有效的方法来计算两个HTML文件之间的百分比差异。这些文件可以是任意长的（我拥有的文件可以长达300000个字符）。

经过一番研究后，我偶然发现Levensthein距离是一个O（n * m）的算法，需要空间O（n * m）：php版本最多只能支持255个字符和我自己的O（ n）空间太慢了。 之后，我尝试了php函数similar_text，但对于非常大的HTML文件，该算法也太慢了。

所以现在我正在寻找另一种更有效的算法来比较HTML文件。近似算法也很好。任何人都可以就如何做到这一点给我一些建议吗？

Answer 1

您可以设置xdiff扩展名：

http://www.php.net/manual/en/function.xdiff-file-diff.php

然后获取两个文件的差异，并根据该差异，您可以很容易地得到百分比。

示例：

• 第一个文件A：400字
• 第二档案B：400字

差异结果：从A到B的200个字差异

这会给你50％的相似度。