python 有没有一个模块可以比较两个文本文件内容差异的？而且可以只输出差异的部分？

Posted 2023-04-28

两个文本文件内容都有上千行，但是差异只有几十行，试用过filecmp模块觉得输出不够详细。

 difflib是python提供的比较序列(string list)差异的模块。实现了三个类：
1>SequenceMatcher 任意类型序列的比较 (可以比较字符串)
2>Differ 对字符串进行比较
3>htmlDiff 将比较结果输出为html格式.

建议你使用SequenceMatcher比较器，给你个例子吧。

SequenceMatcher实例:

import difflib
from pprint import pprint
a = \'pythonclub.org is wonderful\'
b = \'Pythonclub.org also wonderful\'
s = difflib.SequenceMatcher(None, a, b)
print "s.get_matching_blocks():"
pprint(s.get_matching_blocks())
print
print "s.get_opcodes():"
for tag, i1, i2, j1, j2 in s.get_opcodes():
    print ("%7s a[%d:%d] (%s) b[%d:%d] (%s)" %  (tag, i1, i2, a[i1:i2], j1, j2, b[j1:j2]))
      
输出为：
s.get_matching_blocks():
[(1, 1, 14), (16, 17, 1), (17, 19, 10), (27, 29, 0)]
s.get_opcodes():
replace a[0:1] (p) b[0:1] (P)
  equal a[1:15] (ythonclub.org ) b[1:15] (ythonclub.org )
replace a[15:16] (i) b[15:17] (al)
  equal a[16:17] (s) b[17:18] (s)
 insert a[17:17] () b[18:19] (o)
  equal a[17:27] ( wonderful) b[19:29] ( wonderful)   

SequeceMatcher(None,a,b)创建序列比较对象，将以a作为参考标准进行
Sequecematcher(None,b,a)创建序列比较对象，将以b作为参考标准进行
a,b表示待比较的两个序列，生成序列比较对象后，调用该对象的get_opcodes()方法，将返回一个元组(tag,i1,i2,j1,j2).tag表示序列分片的比较结果.i1,i2表示序列a的索引，j1,j2表示序列b的索引.
get_opcodes()返回元组(tag,i1,i2,j1,j2)的含义

参考技术A 试试difflib。追问

请问具体是difflib模块的哪个类和方法呢？

追答

查手册

参考技术B 可以使用模块
difflib

应该能满足你的需求.追问

请问具体是difflib模块的哪个类和方法呢？

追答

看帮助

10行Python代码自动清理电脑内重复文件，省时省力

这篇文章主要介绍了用Python自动清理电脑内重复文件,只要10行代码,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下。给定一个文件夹，使用Python检查给定文件夹下有无文件重复，若存在重复则删除。

主要涉及的知识点有：

1. os模块综合应用
2. glob模块综合应用
3. 利用filecmp模块比较两个文件
   

1.步骤分析

该程序实现的逻辑可以具化为：遍历获取给定文件夹下的所有文件，然后通过嵌套循环两两比较文件是否相同，如果相同则删除后者。

2.如何判断两个文件是否相同？

在这里我们可以使用filecmp模块，来看看官方的介绍文档：

• filecmp.cmp(f1, f2, shallow=True)
• 比较名为f1和f2的文件，如果它们似乎相等则返回True，否则返回False
• 如果shallow为真，那么具有相同os.stat()签名的文件将会被认为是相等的。否则，将比较文件的内容。

所以可以这样使用

# 假设x和y两个文件是相同的
print(filecmp.cmp(x, y))
# True

3.Python实现步骤

1.导入需要的库并设置目标文件夹路径

import os
import glob
import filecmp
 
dir_path = r'C:\\\\xxxx'

2.接着遍历获取所有文件的绝对路径，我们可以利用glob模块的通配符结合recursive参数即可完成，框架如下：

for file in glob.glob(path + '/**/*', recursive=True):
  pass

3.由于遍历获取每一个文件或者文件夹后，需要判断是否是文件，如果是文件则可能将绝对路径存放到列表中，这里需要再完成两个事情：

1. 首先创建一个空列表，后面用list.append(i)添加文件路径
2. 接着利用os.path.isfile(i)判断是否是文件，返回True则执行添加元素的操作

代码如下：

file_lst = []
 
for i in glob.glob(dir_path + '/**/*', recursive=True):
  if os.path.isfile(i):
    file_lst.append(i)

4.上一步我们获取了目标文件夹下的所有文件路径，接下来就可以嵌套遍历这个路径列表，其中filecmp.cmp进行文件判断，os.remove进行文件删除

for x in file_lst:
  for y in file_lst:
    if x != y:
      if filecmp.cmp(x, y):
        os.remove(y)

5.这里的代码已经实现了大致逻辑，但有一个细节需要考虑到：有可能循环到文件已经被前面的判断删除了，导致os.remove(file)由于文件不存在而报错，因此，可以用os.path.exists对文件存在进行判断，如下所示：

for x in file_lst:
  for y in file_lst:
    if x != y and os.path.exists(x) and os.path.exists(y):
      if filecmp.cmp(x, y):
        os.remove(y)

4.完整代码

这样，一个简易的文件去重小程序就完成了。

import os
import glob
import filecmp
 
dir_path = r'C:\\xxxx'
 
file_lst = []
 
for i in glob.glob(dir_path + '/**/*', recursive=True):
  if os.path.isfile(i):
    file_lst.append(i)
 
for x in file_lst:
  for y in file_lst:
    if x != y and os.path.exists(x) and os.path.exists(y):
      if filecmp.cmp(x, y):
        os.remove(y)

通过本文的Python自动化脚本制作过程，能体会到Python办公自动化的强大，还有更多有关办公自动化的使用方法，可以关注我，后续分享更多干货。

福利来啦，点击领取
①Python300本有关的电子书籍，
②技术交流，
③工具安装包，
④接单交流，
⑤有趣的源码共享。