在 python 中生成和应用差异

Question

在 python 中是否有一种“开箱即用”的方式来生成两个文本之间的差异列表，然后将此差异应用于一个文件以获得另一个文件？

我想保留文本的修订历史记录，但如果只有一个编辑行，我不想保存每个修订的整个文本。我查看了difflib，但看不到如何生成仅包含已编辑行的列表，这些行仍可用于修改一个文本以获取另一个文本。

Answer 1

你看过谷歌的 diff-match-patch 吗？显然 google Docs 使用了这组算法。它不仅包含差异模块，还包含补丁模块，因此您可以从旧文件和差异中生成最新文件。

包含一个 python 版本。

http://code.google.com/p/google-diff-match-patch/

Answer 2

difflib.unified_diff 确实想要你想要的吗？有一个例子here。

Answer 3

我已经实现了一个纯 python 函数来应用差异补丁来恢复任一输入字符串，我希望有人觉得它有用。它使用解析Unified diff format。

import re

_hdr_pat = re.compile("^@@ -(\d+),?(\d+)? \+(\d+),?(\d+)? @@$")

def apply_patch(s,patch,revert=False):
  """
  Apply unified diff patch to string s to recover newer string.
  If revert is True, treat s as the newer string, recover older string.
  """
  s = s.splitlines(True)
  p = patch.splitlines(True)
  t = ''
  i = sl = 0
  (midx,sign) = (1,'+') if not revert else (3,'-')
  while i < len(p) and p[i].startswith(("---","+++")): i += 1 # skip header lines
  while i < len(p):
    m = _hdr_pat.match(p[i])
    if not m: raise Exception("Cannot process diff")
    i += 1
    l = int(m.group(midx))-1 + (m.group(midx+1) == '0')
    t += ''.join(s[sl:l])
    sl = l
    while i < len(p) and p[i][0] != '@':
      if i+1 < len(p) and p[i+1][0] == '\\': line = p[i][:-1]; i += 2
      else: line = p[i]; i += 1
      if len(line) > 0:
        if line[0] == sign or line[0] == ' ': t += line[1:]
        sl += (line[0] != sign)
  t += ''.join(s[sl:])
  return t

如果有标题行 ("--- ...\n","+++ ...\n") 它会跳过它们。如果我们有一个统一的差异字符串diffstr 代表oldstr 和newstr 之间的差异：

# recreate `newstr` from `oldstr`+patch
newstr = apply_patch(oldstr, diffstr)
# recreate `oldstr` from `newstr`+patch
oldstr = apply_patch(newstr, diffstr, True)

在 Python 中，您可以使用 difflib（标准库的一部分）生成两个字符串的统一差异：

import difflib
_no_eol = "\ No newline at end of file"

def make_patch(a,b):
  """
  Get unified string diff between two strings. Trims top two lines.
  Returns empty string if strings are identical.
  """
  diffs = difflib.unified_diff(a.splitlines(True),b.splitlines(True),n=0)
  try: _,_ = next(diffs),next(diffs)
  except StopIteration: pass
  return ''.join([d if d[-1] == '\n' else d+'\n'+_no_eol+'\n' for d in diffs])

在 unix 上：diff -U0 a.txt b.txt

代码在 GitHub 上，以及使用 ASCII 和随机 unicode 字符的测试：https://gist.github.com/noporpoise/16e731849eb1231e86d78f9dfeca3abc

Answer 4

AFAIK 大多数差异算法使用简单的Longest Common Subsequence 匹配，以找到两个文本之间的共同部分，剩下的部分被认为是差异。在 python 中编写自己的动态编程算法来实现这一点应该不难，上面的*页面也提供了算法。

Answer 5

必须是 python 解决方案吗？
对于解决方案，我的第一个想法是使用版本控制系统（Subversion、Git 等）或 diff / patch 实用程序，它们是 unix 系统的标准，或者是 cygwin 的一部分基于 Windows 的系统。

Answer 6

也许您可以使用unified_diff 来生成文件中的差异列表。只有文件中更改的文本才能写入新的文本文件，供您将来参考。 这是帮助您仅将差异写入新文件的代码。 我希望这就是您的要求！

diff = difflib.unified_diff(old_file, new_file, lineterm='')
    lines = list(diff)[2:]
    # linesT = list(diff)[0:3]
    print (lines[0])
    added = [lineA for lineA in lines if lineA[0] == '+']


    with open("output.txt", "w") as fh1:
     for line in added:
       fh1.write(line)
    print '+',added
    removed = [lineB for lineB in lines if lineB[0] == '-']
    with open("output.txt", "a") as fh1:
     for line in removed:
       fh1.write(line)
    print '-',removed 

在您的代码中使用它来仅保存差异输出！