Генерация и применение различий в Python
Вопрос
Есть ли в Python «готовый» способ создать список различий между двумя текстами, а затем применить этот diff к одному файлу, чтобы позже получить другой?
Я хочу сохранить историю изменений текста, но не хочу сохранять весь текст для каждой редакции, если есть только одна отредактированная строка.я посмотрел на разница в библиотеке, но я не мог понять, как создать список только отредактированных строк, которые можно использовать для изменения одного текста для получения другого.
Решение
Вы смотрели diff-match-patch от Google?Очевидно, Google Docs использует этот набор алгоритмов.Он включает в себя не только модуль различий, но и модуль исправлений, поэтому вы можете создавать новейший файл из старых файлов и различий.
Версия Python включена.
Другие советы
Нужен ли вам difflib.unified_diff?Есть пример здесь.
AFAIK большинство алгоритмов сравнения используют простой Самая длинная общая подпоследовательность Сопоставить, чтобы найти общую часть между двумя текстами, а все, что осталось, считается разницей.Не должно быть слишком сложно написать свой собственный алгоритм динамического программирования, чтобы выполнить это на Python, на странице Википедии выше также представлен алгоритм.
Я реализовал чистую функцию Python для применения патчей различий для восстановления любой из входных строк, надеюсь, кто-нибудь найдет ее полезной.Он использует анализ Единый формат различий.
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
Если есть строки заголовка ("--- ...\n","+++ ...\n")
оно пропускает их.Если у нас есть единая строка различий diffstr
представляющий разницу между oldstr
и newstr
:
# recreate `newstr` from `oldstr`+patch
newstr = apply_patch(oldstr, diffstr)
# recreate `oldstr` from `newstr`+patch
oldstr = apply_patch(newstr, diffstr, True)
В Python вы можете создать унифицированную разницу двух строк, используя разница в библиотеке (часть стандартной библиотеки):
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])
В Юниксе: diff -U0 a.txt b.txt
Код находится здесь на GitHub вместе с тестами, использующими ASCII и случайные символы Юникода: https://gist.github.com/noporpoise/16e731849eb1231e86d78f9dfeca3abc
Должно ли это быть решение на Python?
Моей первой мыслью относительно решения было бы использовать либо систему контроля версий (Subversion, Git и т. д.), либо diff
/ patch
утилиты, которые являются стандартными для системы unix или являются частью cygwin
для системы на базе Windows.
Вероятно, вы можете использовать unified_diff сгенерировать список различий в файле.Только измененные тексты в вашем файле могут быть записаны в новый текстовый файл, где вы сможете использовать его для дальнейшего использования.Это код, который поможет вам записать в новый файл только разницу.Я надеюсь, что это то, о чем вы просите!
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
Используйте это в своем коде, чтобы сохранить только выходные данные разницы!