Python 模块之 Difflib（文本对比，原创source）

Python 模块之 Difflib

 

1. 什么是difflib

Difflib作为python的标准库，无需安装，作用是对比文本之间的差异，而且支持输出可读性比较强的HTML文档。

在Linux下，可以直接使用vimdiff命令比对文本，例如对a.txt与b.txt的差异，命令： vimdiff  a.txt  b.txt  即可。

如下图：

常见的函数介绍：

1. HtmlDiff()

可以用于创建一个完整HTML文件，该文件显示具有行间和行内更改突出的文本的逐行比较。

1. make_file(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])

[]中的参数为可选项。

比较fromlines和tolines（字符串列表）并返回一个字符串，该字符串是一个完整的HTML文件，其中包含一个表格，显示逐行差异，突出显示行间和行内更改。

fromdesc和todesc是可选的关键字参数，用于指定从/到文件列标题字符串（默认为空字符串）。

context和numlines都是可选的关键字参数。设置方面，以True当背景的差异将被显示，否则默认为False可显示完整的文件。numlines默认为5。

3、make_table（fromlines，tolines [，fromdesc] [，todesc] [，context] [，numlines] ）

比较fromlines和tolines（字符串列表）并返回一个字符串，该字符串是一个完整的HTML表格，显示逐行差异，突出显示行间和行内更改。此方法的参数与方法的参数相同make_file()。和make_file()的主要区别在于不能明显显示两个文档之间的差异。

 

# -*- coding: utf-8 -*-

import sys

import difflib

def read_file(filename):

    try:

        

        with open(filename, 'r') as f:

  

            return f.readlines()

    except IOError:

        print("ERROR: 没有找到文件:%s或读取文件失败！" % filename)

   

        sys.exit(1)

 

def compare_file(file1, file2, out_file):

   

    file1_content = read_file(file1)

    file2_content = read_file(file2)

  

    d = difflib.HtmlDiff()

    

    result = d.make_file(file1_content, file2_content)

  

    with open(out_file, 'w') as f:

     

        f.writelines(result)

 

if __name__ == '__main__':

   

    compare_file(r'C:\Users\source\pycode\code5\a.txt', r'C:\Users\source\pycode\code5\b.txt', r'C:\Users\source\pycode\code5\result.html')

 

 

4、Differ()和compare()

class difflib.Differ（[ linejunk [，charjunk ] ] ）

可选关键字参数linejunk和charjunk用于过滤函数（或None），默认值是None

compare（a，b）

比较两个行序列，并生成delta（一系列行）。

每个序列必须包含以换行符结尾的单个单行字符串。可以从readlines()类文件对象的方法获得这样的序列。生成的增量也包括换行符终止的字符串，可以通过类writelines()文件对象的方法按原样打印。

# coding=utf-8

from __future__ import print_function

import difflib

text1 = '''

I love BANK OF NINGBO

I very love NINGBO

She's the city I love the most.

'''

text2 = '''

I love BANK OF China

I very love China

I'm his favorite person.

'''

d = difflib.Differ()

list1 = list(d.compare(text1,text2))

 

for line in list1:

    if line == "\n":

        print ("\n")

print("%s" %line,end='')

结果如下：

其中‘-’，‘+’，‘ ’，‘?’的含义如下：

码	含义
'- '	序列1独有的行
'+ '	序列2独有的行
'  '	两个序列共有的线
'? '	两个输入序列中都不存在该行

 

5、ratio（）

返回序列相似性的度量，作为[0,1]范围内的浮点数

import difflib

s = difflib.SequenceMatcher(None, "abcd", "bcde")

s.ratio()

结果为0.75