difflib 标准库详解：Python 文本对比的利器
powerlit 2024-08-09 17:35:01 阅读 81
🍀 前言
博客地址：
CSDN：https://blog.csdn.net/powerbiubiu
👋 简介
<code>difflib 模块是
Python标准库中的一个模块，用于比较文本之间的差异。它提供了一些函数和类，可以帮助你找到两个字符串或列表之间的相似性和差异性。
📖 正文
1 匹配最大相似内容
语法：difflib.get_close_matches(word, possibilities, n=3, cutoff=0.6)
参数说明：
word：要匹配的目标字符串；possibilities：包含可能匹配项的列表；n：可选参数，指定返回的最大匹配项数，默认为 3；cutoff：可选参数，表示匹配度的阈值，只返回匹配度大于等于该阈值的项，默认为 0.6。
函数会返回一个列表，其中包含了与目标字符串最相似的项。它会基于 difflib 库中的模糊匹配算法，找到给定字符串在候选列表中的可能匹配项。
import difflib
colors = ['red', 'blue', 'green', 'yellow', 'black', 'white']
wrong_color = "grren"
result = difflib.get_close_matches(wrong_color, colors)
print(result)
# ['green']
2 两个文本之间的差异
2.1 context_diff
语法：difflib.context_diff(a, b, fromfile='', tofile='', fromfiledate='', tofiledate='', n=3, lineterm='\n')code>
参数说明：
a：第一个文本内容（通常为列表形式，每行作为一个元素）；b：第二个文本内容（同样通常为列表形式）；fromfile：可选参数，用于指定第一个文件名；tofile：可选参数，用于指定第二个文件名；fromfiledate：可选参数，用于指定第一个文件的日期；tofiledate：可选参数，用于指定第二个文件的日期；n：可选参数，用于指定上下文的行数；lineterm：可选参数，用于指定行终止符，默认为 \n。
函数会返回一个生成器，可以逐行输出表示差异的文本。该差异文本遵循标准的 Unix 上下文 diff 格式，显示出两个文本之间的差异以及周围的上下文信息。
import difflib
text1 = ['Hello', 'World', 'Python']
text2 = ['Hello', 'There', 'Python']
diff = difflib.context_diff(text1, text2, fromfile='file1.txt', tofile='file2.txt')code>
for line in diff:
print(line)
# *** file1.txt
# --- file2.txt
# ***************
# *** 1,3 ****
# Hello
# ! World
# Python
# --- 1,3 ----
# Hello
# ! There
# Python
2.2 nidff
语法：difflib.ndiff(a, b)
参数说明：
a：第一个文本内容（通常为列表形式，每行作为一个元素）；b：第二个文本内容（同样通常为列表形式）。
这个函数会返回一个生成器，可以逐行输出表示差异的文本。相比较 context_diff，ndiff 会以更加紧凑的格式展示每行文本的差异，使用特定的标记符号来表示新增、删除和修改等操作。
import difflib
text1 = ['Hello', 'World', 'Python']
text2 = ['Hello', 'There', 'Python']
diff = difflib.ndiff(text1, text2)
for line in diff:
print(line)
# Hello
# - World
# + There
# Python
在使用difflib.ndiff进行对比，结果中的符号意义如下：
| 符号 | 含义 |
|---|---|
| ‘-’ | 包含在第一个系列行中，但不包含第二个。 |
| ‘+’ | 包含在第二个系列行中，但不包含第一个。 |
| ’ ’ | 两个系列行一致。 |
| ‘?’ | 存在增量差异。 |
| ‘^’ | 存在差异字符。 |
3 生成html对比结果
通过difflib.HtmlDiff()实现将对比结果生成html页面进行展示。
import difflib
text1 = '''1. Beautiful is better than ugly.
2. Explicit is better than implicit.
3. Simple is better than complex.
4. Complex is better than complicated.
'''.splitlines(keepends=True)
text2 = '''1. Beautiful is better than ugly.
3. Simple is better than complex.
4. Complicated is better than complex.
5. Flat is better than nested.
'''.splitlines(keepends=True)
html_diff = difflib.HtmlDiff()
html_output = html_diff.make_file(text1, text2)
with open('diff_output.html', 'w') as f:
f.write(html_output)
4 工具类封装
import os.path
import time
from typing import List
class DiffContent:
@classmethod
def _read_file(cls, file_path: str) -> List[str]:
"""
读取文件内容
:param file_path: 文件绝对路径
:return: 列表
"""
try:
with open(file_path, "rb") as f:
# 二进制方式读取文件内容，并转换为str类型
lines = f.read().decode('utf-8')
# 按行进行分割
text = lines.splitlines()
return text
except Exception as e:
print("ERROR: {}".format(str(e)))
@classmethod
def compare_diff_by_file(cls, file_1: str, file_2: str, save_path: str = '') -> None:
"""
对比文件内如差异，并输出html文件，文件名命名：compare_file1name_file2name.html
:param file_1:文件1
:param file_2:文件2
:param save_path:生成html文件路径(默认值为空，生成到当前目录)
:return:
"""
# 获取文件内容
file_1_content = cls._read_file(file_1)
file_2_content = cls._read_file(file_2)
# 创建比较器
compare = difflib.HtmlDiff()
res = compare.make_file(file_1_content, file_2_content)
# 获取输出html文件的绝对路径
file_1_name = os.path.basename(file_1).split('.')[0]
file_2_name = os.path.basename(file_2).split('.')[0]
if save_path:
out_file = '{}/compare_{}_{}.html'.format(save_path, file_1_name, file_2_name)
else:
out_file = 'compare_{}_{}.html'.format(file_1_name, file_2_name)
with open(out_file, 'w') as fp:
fp.writelines(res)
@classmethod
def compare_text(cls, src_text: str, target_text: str, save_path: str = '') -> None:
"""
比较给定的2个字符串，并输出html文件
:param src_text:
:param target_text:
:param save_path:生成html文件路径(默认值为空，生成到当前目录)
:return:
"""
compare = difflib.HtmlDiff()
compare_result = compare.make_file(src_text, target_text)
if save_path:
out_file = '{}/compare{}.html'.format(save_path, str(time.time()).split('.')[0])
else:
out_file = 'compare{}.html'.format(str(time.time()).split('.')[0])
with open(out_file, 'w') as f:
f.writelines(compare_result)
💖 欢迎关注我的公众号
上一篇： 交叉验证之KFold和StratifiedKFold的使用（附案例实战）
本文标签
声明
本文内容仅代表作者观点，或转载于其他网站，本站不以此文作为商业用途
如有涉及侵权，请联系本站进行删除
转载本站原创文章，请注明来源及作者。