Question

我想使用python来区分两个html文件：

示例：

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

diff文件会是这样的：

diff_html = """
<del><p>i love it</p></dev><ins><h2>i love it</h2></ins>
"""

有这样的python lib帮我这么做吗？

Answer 1

lxml可以做类似于你想要的事情。来自文档：

>>> from lxml.html.diff import htmldiff
>>> doc1 = '''<p>Here is some text.</p>'''
>>> doc2 = '''<p>Here is <b>a lot</b> of <i>text</i>.</p>'''
>>> print htmldiff(doc1, doc2)
<p>Here is <ins><b>a lot</b> of <i>text</i>.</ins> <del>some text.</del> </p>

我不知道任何其他Python库用于此特定任务，但您可能希望查看逐字差异。它们可能接近你想要的东西。

一个例子是this one，用PHP和Python实现（保存为diff.py，然后import diff）

>>> diff.htmlDiff(a,b)
>>> '<del><p>i</del> <ins><h2>i</ins> love <del>it</p></del> <ins>it </p></ins>'

Answer 2

我想要两个有用的python库：

htmltreediff
htmldiff

但是，它们都使用python的difflib lib来区分文本。但我想使用谷歌的差异。

Answer 3

结帐diff2HtmlCompare（完全披露：我是作者）。如果您尝试仅仅想象差异，那么这可能会对您有所帮助。如果您尝试提取差异并对其执行某些操作，则可以按照其他人的建议使用difflib（上面的脚本只包含difflib并使用pygments进行语法突出显示）。 Doug Hellmann在详细介绍如何使用difflib方面做得很好，我建议查看his tutorial。

Answer 4

AFAIK，python在difflib中有一个可以执行此操作的内置版本。

Answer 5

不完全是您的输出，但标准库difflib中有一个简单的htmldiff工具，它将为您构建一个html差异表。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

htmldiff = difflib.HtmlDiff()
html_table = htmldiff.make_table([html_1], [html_2]) # each item is a list of lines

Answer 6

您可以使用difflib.ndiff()查找并替换＆＃34; -＆＃34; /＆＃34; +＆＃34;使用您想要的HTML。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """
<h2>i love it </p>
"""

diff_html = ""
theDiffs = difflib.ndiff(html_1.splitlines(), html_2.splitlines())
for eachDiff in theDiffs:
    if (eachDiff[0] == "-"):
        diff_html += "<del>%s</del>" % eachDiff[1:].strip()
    elif (eachDiff[0] == "+"):
        diff_html += "<ins>%s</ins>" % eachDiff[1:].strip()

print diff_html

结果：

<del><p>i love it</p></del><ins><h2>i love it </p></ins>

如何使用python来区分两个html文件

6 个答案: