Question

我正在尝试使用mwclient查找给定的Wikipedia页面的两个修订之间的文本差异。我有以下代码：

import mwclient
import difflib

site = mwclient.Site('en.wikipedia.org')
page = site.pages['Bowdoin College']
texts = [rev for rev in page.revisions(prop='content')]
if not (texts[-1][u'*'] == texts[0][u'*']):
      ##show me the differences between the pages

谢谢！

Answer 1

不清楚是要使用difflib的{{1}}生成的差异还是要使用mwclient的mediawiki生成的差异。

在第一种情况下，您有两个字符串（两个修订的文本），并且想要使用difflib获得差异：

...
t1 = texts[-1][u'*']
t2 = texts[0][u'*']
print('\n'.join(difflib.unified_diff(t1.splitlines(), t2.splitlines())))

（difflib也可以生成HTML diff，有关更多信息，请参考文档。）

但是，如果要使用mwclient来由MediaWiki生成的HTML差异，则需要修订ids：

# TODO: Loading all revisions is slow,
# try to load only as many as required.
revisions = list(page.revisions(prop='ids'))  
last_revision_id = revisions[-1]['revid']
first_revision_id = revisions[0]['revid']

然后使用compare action比较版本ID：

compare_result = site.get('compare', fromrev=last_revision_id, torev=first_revision_id)
html_diff = compare_result['compare']['*']

如何使用mwclient在Wikipedia页面上查找修订之间的文本差异？

1 个答案: