python 3，两个字符串之间的差异

Question

我想在一个列表中记录两个字符串的差异位置（以删除它们）...最好记录每个部分的最高分隔点，因为这些区域将具有动态内容。

比较这些

总字符数 178。两个独特的部分

t1 = 'WhereTisthetotalnumberofght5y5wsjhhhhjhkmhm Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentresultsduetodifferinglevelsofapxxxxxxxproximation,although'

和

总字符数 211。两个独特的部分

t2 = 'WhereTisthetotalnumberofdofodfgjnjndfgu><rgregw><sssssuguyguiygis>gggs<GS,Gs Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentrexxxxxxxsultsduetodifferinglevelsofapproximation,although'

我知道 difflib 可以做到这一点，但输出很糟糕。

我想（在列表中）存储字符位置，最好是较大的分隔值。

图案位置

t1 = 'WhereTisthetotalnumberof  24  ght5y5wsjhhhhjhkmhm  43  Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentresultsduetodifferinglevelsofap  151  xxxxxxx  158  proximation,although'
t2 = 'WhereTisthetotalnumberof  24  dofodfgjnjndfgu><rgregw><sssssuguyguiygis>gggs<GS,Gs  76  Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentre  155  xxxxxxx  162  sultsduetodifferinglevelsofapproximation,although'

输出：

output list = [24, 76, 151, 162]

更新

回复@Olivier

由 *** 分隔的所有 Y 的位置

t1
WhereTisthetotalnumberofght5***y***5wsjhhhhjhkmhm Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentresultsduetodifferinglevelsofapxxxxxxxproximation,although

t2 WhereTisthetotalnumberofdofodfgjnjndfgu><rgregw><sssssugu***y***gui***y***gis>gggs<GS,Gs Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentrexxxxxxxsultsduetodifferinglevelsofapproximation,although

ma​​tcher.get_matching_blocks()之后的输出 和string = ''.join([t1[a:a+n] for a, _, n in blocks])

WhereTisthetotalnumberof***y*** Thethreemethodsthatreturntheratioofmatchingtototalcharacterscangivedifferentresultsduetodifferinglevelsofapproximation,although

Answer 1

使用difflib 可能是您最好的选择，因为您不太可能提出比它提供的算法更有效的解决方案。你想要的是使用SequenceMatcher.get_matching_blocks。这是它会根据doc 输出的内容。

返回描述匹配子序列的三元组列表。每三倍 形式为(i, j, n)，表示a[i:i+n] == b[j:j+n]。这 三元组在 i 和 j 中单调递增。

这是一种方法，您可以使用它来重建删除了增量的字符串。

from difflib import SequenceMatcher

x = "abc_def"
y = "abc--ef"

matcher = SequenceMatcher(None, x, y)
blocks = matcher.get_matching_blocks()

# blocks: [Match(a=0, b=0, size=4), Match(a=5, b=5, size=2), Match(a=7, b=7, size=0)]

string = ''.join([x[a:a+n] for a, _, n in blocks])

# string: "abcef"

编辑：还有人指出，在你有两个这样的字符串的情况下。

t1 = 'WordWordaayaaWordWord'
t2 = 'WordWordbbbybWordWord'

那么上面的代码将返回'WordWordyWordWord。这是因为get_matching_blocks 将捕获出现在预期块之间的两个字符串中的'y'。解决此问题的方法是按长度过滤返回的块。

string = ''.join([x[a:a+n] for a, _, n in blocks if n > 1])

如果您想对返回的块进行更复杂的分析，您还可以执行以下操作。

def block_filter(substring):
    """Outputs True if the substring is to be merged, False otherwise"""
    ...


string = ''.join([x[a:a+n] for a, _, n in blocks if block_filter(x[a:a+n])])