python - 如何使用 mwclient 查找维基百科页面上修订版之间的文本差异？

Question

我正在尝试使用 mwclient 查找给定维基百科页面的两个修订版之间的文本差异。我有以下代码:

import mwclient
import difflib

site = mwclient.Site('en.wikipedia.org')
page = site.pages['Bowdoin College']
texts = [rev for rev in page.revisions(prop='content')]
if not (texts[-1][u'*'] == texts[0][u'*']):
      ##show me the differences between the pages

谢谢!

Answer 1

目前尚不清楚您是否想要使用 difflib 生成的 diff 或使用 mwclient 生成 mediawiki 生成的 diff。

在第一种情况下，您有两个字符串(两个修订版的文本)，并且您希望使用 difflib 获取差异。 :

...
t1 = texts[-1][u'*']
t2 = texts[0][u'*']
print('\n'.join(difflib.unified_diff(t1.splitlines(), t2.splitlines())))

(difflib 还可以生成 HTML 差异，请参阅文档以获取更多信息。)

但是，如果您想要使用 mwclient 生成 MediaWiki 生成的 HTML diff，则需要修订 ids:

# TODO: Loading all revisions is slow,
# try to load only as many as required.
revisions = list(page.revisions(prop='ids'))  
last_revision_id = revisions[-1]['revid']
first_revision_id = revisions[0]['revid']

然后使用compare action比较修订 ID:

compare_result = site.get('compare', fromrev=last_revision_id, torev=first_revision_id)
html_diff = compare_result['compare']['*']