[Python] 使用difflib模块进行字符串比对

在[Python] 比较两个字符串：理解等于、不等于和关系操作中，我们探究了对比字符串的诸多方法。现今，我们更进一步审查较长篇幅的文本，并准确地找出其中的差异。本博文将引导您运用Python的difflib模块分析和对比大量文字内容，成为处理复杂数据比对的不可或缺工具。

运用SequenceMatcher对字符串进行对比

difflib模块中的SequenceMatcher类可用来对比两个字符串，并鉴定它们之间的相似度比率。

from difflib import SequenceMatcher

string1 = "The sun rises in the east\nA stitch in time saves nine\nAll that glitters is not gold"
string2 = "The sun sets in the west\nA stitch in time saves nine\nAll that shines is not gold\n"

s = SequenceMatcher(None, string1, string2)
similarity_ratio = s.ratio()

print(similarity_ratio)  # 输出：0.9146341463414634

此代码片段展示了如何对比两个字符串并获得相似度比率，是迅速识别文本间细微差异的便捷方式。

运用Differ逐行对比文本

difflib模块中的Differ类使我们能够逐行对比较大的文本文件。

from difflib import Differ

text1 = string1.split('\n')
text2 = string2.split('\n')

d = Differ()
diff = d.compare(text1, text2)

print('\n'.join(diff))

输出

- The sun rises in the east
?         --            -

+ The sun sets in the west
?           +         +

  A stitch in time saves nine

- All that glitters is not gold
?          ^^ ^^ -

+ All that shines is not gold
?          ^^ ^

在所给的代码片段中，difflib模块的Differ类被用来对比两个字符串序列text1和text2。代码的输出突出了这两个序列之间的差异，用特定符号标示每个差异的性质：

• 以“-”开头的行标示在text1中存在而在text2中不存在的元素。
• 以“+”开头的行标示在text2中存在而在text1中不存在的元素。
• 开头没有任何符号的行表示在两个序列中都相同的元素。
• 以“?”开头的行显示一行内变化的具体位置，用不同字符突出变化的地方。

让我们分析所提供的输出：

1. The sun rises/sets line：“-”行表示"The sun rises in the east"在text1中但不在text2中。"+"行显示"The sun sets in the west"在text2中但不在text1中。“?”行精确指出了已改变的字符。
2. 相同的行："A stitch in time saves nine"在text1和text2中是相同的，因此开头没有任何符号。
3. The glitters/shines line：与第一行类似，"-"、"+"和"?"行显示"All that glitters is not gold"在text1中被"All that shines is not gold"在text2中替换，并突出了具体的变化。

FAQs

1. 我能用difflib来对比二进制文件吗? 不，difflib模块是用来对比文字行序列的。
2. difflib是否适用于Python的所有版本? difflib模块自2.1版起在Python标准库中提供。
3. 我如何使用difflib来对比HTML文件? 您可以使用difflib模块的HtmlDiff类生成HTML侧边对比表。
4. 我可以定制对比的输出吗? 是的，如Differ这样的类提供选项来定制对比的执行方式和输出的生成方式。
5. 是否有快速找出两个大型文本间变化的方法? 是的，您可以使用difflib.get_opcodes()方法获取关于变化块的信息，这对于大型文本可能很有用。