使用SequenceMatcher生成内容差异(Python)

Question

我想在Python中生成文本(更具体地说，Markdown格式的文章)的修订版之间的差异。

我想用一种类似于Github的方式来格式化这个差异。

我看过difflib，发现它能做我想要的事情。但是，Differ类的级别太高；我必须解析diff行才能生成具有内联diffs的HTML。Differ类使用SequenceMatcher类来生成其diffs。但从SequenceMatcher来看，它的级别非常低。我甚至还没有想出如何进行逐行比较(我承认我没有花太多时间进行实验)。

有没有人知道(除了the difflib documentation之外)使用SequenceMatcher类的任何资源？

Answer 1

SequenceMatcher实际上并没有那么低级。对您来说，最有趣的方法是get_grouped_opcodes。它将返回一个生成器，该生成器生成带有变更描述的列表。

我将通过一个来自random commit on GitHub的示例来解释它。假设您对新旧文件"tabs_events.js“运行SequenceMatcher(None, a, b).get_grouped_opcodes()。生成器将生成两个组，它们由那些"...“表示GitHub中的行。它基本上是一组变化。在每个组中，您都有一个以元组形式存储的详细更改列表。对于第一组，它返回两个更改，如下所示(第一项是更改类型，接下来的两个数字表示要删除的行范围，后面是要添加的行范围)：

('replace', 24, 29, 24, 29)
('insert', 33, 33, 33, 35)

第一个命令告诉您将旧文件中的24-28行(从0开始)替换为新文件中的24-28行。第二个命令告诉您在旧文件的第33行插入新文件中的第33-34行。我认为很明显，'delete'会做什么，而'equal'是那些在GitHub中没有突出显示的行。

如果您不介意阅读源代码，请看一下difflib.unified_diff()的实现。它非常简单，它生成一个与您想要的内容等效的纯文本。