检测HTML页面之间的差异百分比

Question

假设我有2个HTML源代码。我想比较这些，如果它们的差异大于给定的百分比值，我想用新的HTML做点什么 例如，如果2个HTML页面的差异为5％或更多，我想通过电子邮件发送给某人。 我怎么能用Java做到这一点？这个库有吗？

Answer 1

我们的Smart Differencer工具可能会对您有所帮助。

这个工具比较“代码”的结构（各种语言，HTML是一个）并产生类似输出的“差异”，但是它专注于代码差异而不仅仅是原始文本差异，使用关于什么是真正不同的特定语言（但有些限制）。因此，如果您在标记中交换了两个属性的位置，则表示没有区别。

diff输出告诉您哪些代码块已被删除，插入，移动或复制完成，并且可根据语言结构检测到替换。 （对于HTML，正常显示文本的任何更改都被视为替换;它不会对此类文本字符串执行diff操作）。你必须扫描工具输出以收集你的“整体变化”统计数据，所以这在概念上与使用cygwin diff做同样的事情不同，但数字可能会更精确。 YMMV。

Answer 2

这样做的便宜和讨厌的方法是通过HTML整理运行所有内容，删除无关紧要的空白，然后在每个'＆lt;'之前插入换行符字符。根据我的经验，您可以通过标准的基于行的diff实用程序运行生成的文本，为您提供“足够好”的粗略差异度量标准。