Python difflib模块

difflib -帮助进行差异化比较

最近写文件内容相互匹配的时候，在这个模块里面使用到了SequenceMatcher这个类，且其中的radio方法用于统计匹配度十分方便，接下来在各种网站和博客里查阅资料。。。这个模块里的类提供的方法，真的是很方便呀.. 而filecmp这个模块提供的则是对文件和目录进行简单的比较处理...

这个模块提供的类和方法用来进行差异化比较，它能够生成文本或者html格式的差异化比较结果，如果需要比较目录的不同，可以使用filecmp模块。

下面简单介绍一下difflib下的各种类和方法:

class difflib.SequenceMatcher

这是可以用来比较任何类型片段的类，只要比较的片段是可hash的，都可以用来比较，使用非常灵活。他源于1980,s的“完形匹配算法”，并且进行了一系列的优化和改进。

通过对算法的复杂度比较，它由于原始的完形匹配算法，在最坏情况下有n的平方次运算，在最好情况下，具有线性的效率。

它具有自动垃圾启发式，可以将重复超过片段1%或者重复200次的字符作为垃圾来处理。可以通过将autojunk设置为false关闭该功能。

autojunk 参数新增于2.7.1版本。

class difflib.Differ

这个类用来比较文本里的行，并且产生可阅读的差异化结果。

它用以下符号来表示不同

Code

Meaning

'- '

仅在片段1中存在

'+ '

仅在片段2中存在

' '

片段1和2中都存在

'? '

存在疑问的

标识为？需要你通过人工的方式仔细比较他们的不同，他们产生的原因是源于混乱的制表符

class difflib.HtmlDiff

这个类用来创建一个html表格（或者包含html表格的文件）用来展示文件差异。他既可以进行全文本展示，也可以只展示上下文不同。

这个类的构造函数如下：

__init__(tabsize=8, wrapcolumn=None, linejunk=None, charjunk=IS_CHARACTER_JUNK)

tabsize表示制表符代表的空格个数，默认为8

wrapcolumn,可选参数，用来设置多少个字符时自动换行，默认None,为None时表示不自动换行

linejunk 和 charjunk，可选参数，在ndiff()中使用，

这个类的公共方法：

make_file(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])

用来生成一个包含表格的html文件，其内容是用来展示差异。

fromlines 和tolines,用于比较的内容，格式为字符串组成的列表

fromdesc 和 todesc，可选参数，对应的fromlines,tolines的差异化文件的标题，默认为空字符串

context 和 numlines，可选参数，context 为True时，只显示差异的上下文，为false，显示全文，numlines默认为5，当context为True时，控制展示上下文的行数，当context为false时,控制不同差异的高亮之间移动时“next”的开始位置（如果设置为0，当移动懂顶端时，超链接会丢失引用地址）

make_table(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])

这个方法和make_file用法一样，唯一的区别在于它只生成了一个html表格字符串

python安装包的Tools/scripts/diff.py是关于他们使用的一个很好的例子，它可以用命令行来运行。

新增于python2.4

difflib.context_diff(a, b[, fromfile][, tofile][, fromfiledate][, tofiledate][, n][, lineterm])

用来比较a,b,a,b都是字符串列表。返回一个格式化文本的差异。

他是一个用来展示少量差异的好方法，这种变化，用前/后的样式进行展示，n默认为3，用来控制展示发现的差异数

默认情况下，差异控制行（*** or ---）用来把a,b的差异区隔开来，便于程序读写处理，如果不需要这样做的话，可以设置lineterm为""，这样，就会卸载一行里

如果格式化差异文本需要标题和修改时间信息，通过fromfile, tofile, fromfiledate, 和 tofiledate进行控制，如果不设置，默认为空