Python Difflib - 如何使用“更改”操作获取SDiff序列

Question

我正在阅读Python的difflib文档。根据文档，每个Differ delta都会给出一个序列。

Code    Meaning
'- '    line unique to sequence 1
'+ '    line unique to sequence 2
'  '    line common to both sequences
'? '    line not present in either input sequence 

但是“更改”操作呢？我如何获得类似于Perl的sdiff结果的“c”指令？

- David Williams

Answer 1

看这个脚本。

sdiff.py @ hungrysnake.net

http://hungrysnake.net/doc/software__sdiff_py.html

Perl的sdiff(Algorithm::Diff)不考虑“匹配率”，但是Python的sdiff.py考虑了。=)

我有两个文本文件。

$ cat text1.txt
aaaaaa
bbbbbb
cccccc
dddddd
eeeeee
ffffff

$ cat text2.txt
aaaaaa
bbbbbb
xxxxxxx
ccccccy
zzzzzzz
eeeeee
ffffff

我使用sdiff命令或Perl的sdiff(Algorithm::Diff)获取了并排显示的差异。

$ sdiff text1.txt text2.txt
aaaaaa          aaaaaa
bbbbbb          bbbbbb
cccccc      |   xxxxxxx
dddddd      |   ccccccy
            >   zzzzzzz
eeeeee          eeeeee
ffffff          ffffff

Sdiff不考虑“匹配率”=（

我通过sdiff.py得到了它。

$ sdiff.py text1.txt text2.txt
--- text1.txt (utf-8)
+++ text2.txt (utf-8)
 1|aaaaaa             1|aaaaaa
 2|bbbbbb             2|bbbbbb
  |            >      3|xxxxxxx
 3|cccccc      |      4|ccccccy
 4|dddddd      <       |
  |            >      5|zzzzzzz
 5|eeeeee             6|eeeeee
 6|ffffff             7|ffffff

[     ]      |      + 
[ <-  ]     3|cccccc  
[  -> ]     4|ccccccy 

Sdiff.py思考“匹配率”=）

我想要Sdiff.py的结果。你不想吗？

- user3103665

---

Python脚本sdiff.py在2019年8月运行正常。谢谢！ http://hungrysnake.net/doc/software__sdiff_py.html - pyofey

Answer 2

在difflib中没有像Perl的sdiff一样直接显示更改行的c类代码。但是你可以很容易地制作一个。在difflib的delta中，“更改的行”也有'- '，但与实际删除的行相反，delta中的下一行标记为'? '，表示前一个索引中的行“已更改”，而不是删除。 delta中此行的另一个目的是充当“指南”，指示行中的更改位置。

因此，如果delta中的某一行标记为'- '，则根据delta的下几行有四种不同情况： Case 1: 通过插入一些字符修改的行

- The good bad
+ The good the bad
?          ++++

案例2：通过删除一些字符修改了该行。

- The good the bad
?          ----
+ The good bad

案例三：通过删除、插入和/或替换一些字符来修改行：

- The good the bad and ugly
?      ^^ ----
+ The g00d bad and the ugly
?      ^^          ++++

案例4：该行被删除。

- The good the bad and the ugly
+ Our ratio is less than 0.75!

如您所见，标记为'? '的行显示了修改的类型和位置。

请注意，如果比较的两行之间ratio()的值小于0.75，则difflib认为该行已删除。这是我通过一些测试得出的值。

因此，要推断一行是否更改，可以执行以下操作。这将返回带有标记为 'c '的更改行的差异，并将未更改的行标记为 'u '，就像Perl的sdiff一样：

def sdiffer(s1, s2):
    differ = difflib.Differ()
    diffs = list(differ.compare(s1, s2))

    i = 0
    sdiffs = []
    length = len(diffs)
    while i < length:
        line = diffs[i][2:]
        if diffs[i].startswith('  '):
            sdiffs.append(('u', line))

        elif diffs[i].startswith('+ '):
            sdiffs.append(('+', line))

        elif diffs[i].startswith('- '):
            if i+1 < length and diffs[i+1].startswith('? '): # then diffs[i+2] starts with ('+ '), obviously
                sdiffs.append(('c', line))
                i += 3 if i + 3 < length and diffs[i + 3].startswith('? ') else 2

            elif diffs[i+1].startswith('+ ') and i+2<length and diffs[i+2].startswith('? '):
                sdiffs.append(('c', line))
                i += 2
            else:
                sdiffs.append(('-', line))
        i += 1
    return sdiffs

希望这能有所帮助。

附言：这是一个旧问题，所以我不确定我的努力是否会得到好的回报。:( 我只是忍不住回答这个问题，因为我最近一直在稍微使用difflib。

- Sнаđошƒаӽ

Answer 3

我不太清楚Perl的“Change”操作是什么。如果它类似于PHP DIFF输出，那么我可以通过这段代码解决我的问题：

def sdiffer(s1, s2):
    differ = difflib.Differ()
    diffs = list(differ.compare(s1, s2))

    i = 0
    sdiffs = []
    length = len(diffs)
    sequence = 0
    while i < length:
        line = diffs[i][2:]
        if diffs[i].startswith('  '):
            sequence +=1
            sdiffs.append((sequence,'u', line))

        elif diffs[i].startswith('+ '):
            sequence +=1
            sdiffs.append((sequence,'+', line))

        elif diffs[i].startswith('- '):
            sequence +=1
            sdiffs.append((sequence,'-',diffs[i][2:]))
            if i+1 < length and diffs[i+1].startswith('? '):
                if diffs[i+3].startswith('?') and i+3 < length : # case 2
                    sequence +=1
                    sdiffs.append((sequence,'+',diffs[i+2][2:]))
                    i+=3
                elif diffs[i+2].startswith('?') and i+2 < length: # case 3
                    sequence +=1
                    sdiffs.append((sequence,'+',diffs[i+2][2:]))
                    i+=2
            elif diffs[i+1].startswith('+ ') and i+2<length and diffs[i+2].startswith('? '): # case 1
                sequence +=1
                sdiffs.append((sequence,'+', diffs[i+1][2:]))
                i += 2
            else: # the line is deleted and inserted new line # case 4
                sequence +=1
                sdiffs.append((sequence,'+', diffs[i+1][2:]))
                i+=1   
        i += 1
    return sdiffs

感谢 @Sнаđошƒаӽ 提供的代码。

- user1729196