如何使用python区分两个html文件答案

【问题标题】：how to using python to diff two html files如何使用python区分两个html文件
【发布时间】：2012-03-05 05:58:50
【问题描述】：

我想用 python 来区分两个 html 文件：

示例：

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

差异文件会是这样的：

diff_html = """
<del><p>i love it</p></dev><ins><h2>i love it</h2></ins>
"""

有没有这样的python库帮我做这个？

【问题讨论】：

Generate pretty diff html in Python 的可能重复项

标签： python html diff

【解决方案1】：

lxml 可以做一些你想做的事情。来自文档：

>>> from lxml.html.diff import htmldiff
>>> doc1 = '''<p>Here is some text.</p>'''
>>> doc2 = '''<p>Here is <b>a lot</b> of <i>text</i>.</p>'''
>>> print htmldiff(doc1, doc2)
<p>Here is <ins><b>a lot</b> of <i>text</i>.</ins> <del>some text.</del> </p>

我不知道有任何其他 Python 库可用于此特定任务，但您可能希望逐字查看差异。它们可能近似于您想要的。

一个例子是this one，用PHP和Python实现（另存为diff.py，然后是import diff）

>>> diff.htmlDiff(a,b)
>>> '<del><p>i</del> <ins><h2>i</ins> love <del>it</p></del> <ins>it </p></ins>'

【讨论】：

我试过了，但我得到的是>>> from lxml.html.diff import htmldiff >>> doc1 = '''<p>Here is some text.</p>''' >>> doc2 = '''<h2>Here is some text.</h2>''' >>> print htmldiff(doc1, doc2) <h2>Here is some text.</h2>
我的标签 p 已更改为 chagne h2 ，但没有显示差异
lxml.html.diff 文档说：标记通常被忽略， 保留来自 new_html 的标记，可能还有一些来自 old_html 的标记（尽管认为丢失是可以接受的一些旧的标记）。只有 HTML 中的单词有差异。
你说得对，它的效果比我记忆中的要差得多。我添加了一个替代方案，它不是您想要的，但可能会有所帮助。
太好了！如果它对您有用，您应该将其作为答案发布并接受。

【解决方案2】：

我找到了两个有用的 python 库：

但是，它们都使用 python 的 difflib 库来区分文本。但我想使用谷歌的 diff 。

【讨论】：

【解决方案3】：

结帐diff2HtmlCompare（完全披露：我是作者）。如果您只是想将差异可视化，那么这可能会对您有所帮助。如果您试图提取差异并对其进行处理，那么您可以按照其他人的建议使用 difflib（上面的脚本只是包装了 difflib 并使用 pygments 进行语法突出显示）。 Doug Hellmann 在详细说明如何使用 difflib 方面做得非常好，我建议您查看 his tutorial。

【讨论】：

【解决方案4】：

您可以使用difflib.ndiff() 查找“-”/“+”并将其替换为所需的 HTML。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """
<h2>i love it </p>
"""

diff_html = ""
theDiffs = difflib.ndiff(html_1.splitlines(), html_2.splitlines())
for eachDiff in theDiffs:
    if (eachDiff[0] == "-"):
        diff_html += "<del>%s</del>" % eachDiff[1:].strip()
    elif (eachDiff[0] == "+"):
        diff_html += "<ins>%s</ins>" % eachDiff[1:].strip()

print diff_html

结果：

<del><p>i love it</p></del><ins><h2>i love it </p></ins>

【讨论】：

【解决方案5】：

AFAIK，python 在difflib 中有一个可以做到这一点的构建。

【讨论】：

【解决方案6】：

不完全是您的输出，但标准库 difflib 中有一个简单的 htmldiff 工具，它将为您构建一个 html diff 表。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

htmldiff = difflib.HtmlDiff()
html_table = htmldiff.make_table([html_1], [html_2]) # each item is a list of lines

【讨论】：