python - 使用 SequenceMatcher (Python) 生成内容差异

Question

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

我想以类似于 Github 的方式格式化此差异

我查看了 difflib 并发现它可以满足我的要求。但是，Differ 类太高级了；我将不得不解析差异行以生成具有内联差异的 HTML。 Differ 类使用 SequenceMatcher 类来生成其差异。但是看看 SequenceMatcher 相比之下，它的级别非常低。我什至还没有弄清楚如何进行逐行差异(我承认我没有花很多时间进行试验)。

有谁知道使用 SequenceMatcher 类的资源(the difflib documentation 除外)？

Answer 1

SequenceMatcher 实际上并没有那么低级。对你来说最有趣的方法是 get_grouped_opcodes .它将返回一个生成器，生成带有更改描述的列表。

我将以 random commit on GitHub 中的示例进行解释.假设您在新旧文件“tabs_events.js”上运行 SequenceMatcher(None, a, b).get_grouped_opcodes()。生成器将生成两个组，它们由 GitHub 中的那些“...”行表示。它基本上是一组变化。在每个组中，您都有一个存储为元组的详细更改列表。对于第一组，它返回如下所示的两个更改(第一项是更改类型，接下来的两个数字代表要删除的行范围，然后是要添加的行范围):

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

第一个告诉您将旧文件中的第 24-28 行(从 0 开始)替换为新文件中的第 24-28 行。第二个告诉您在旧文件的第 33 行插入新文件的第 33-34 行。我认为 'delete' 会做什么很清楚，'equal' 是 GitHub 中未突出显示的那些行。

如果您不介意阅读源代码，请查看 difflib.unified_diff() 的实现.它非常简单，它会生成与您想要的内容等效的纯文本。