在python中仅从diff中提取添加内容

我试图解决一个问题： 我收到政府自动生成的电子邮件，没有HTML标签。这是一张桌子套在另一张桌子上。对模板的厌恶。我每隔几天就会得到它，我想从中提取一些字段。我的想法是这样的

在电子邮件中使用HTML作为模板。删除随每封邮件而更改的所有字段，如“我的客户”的名称、其唯一ID以及邮件中解释的问题

使用缺少字段的html模板，并将其与新电子邮件区分开来。这将给我所有的新信息在一个镜头，而不必解析这封电子邮件

---

问题是，我找不到任何方法只加载这些添加项。我试图在python中使用

difflib

，它在我无法正确处理的每一行中返回加法和减法的字节流。我想找到一种只返回添加内容而不返回其他内容的方法。我愿意使用其他库或方法。我不想编写一个包含大量html的大型正则表达式。

当我使用Popen调用diff得到标准输出时，它也返回字节。
您可以将字节转换为字符，然后继续处理。
您可以执行类似于我下面所做的操作，将字节转换为字符串
下面对两个文件调用diff，并仅打印以“>”符号开头的行（在rhs文件中是新的）：

---

如果您有HTML，那么您可能应该使用HTML/XML模块，如

lxml

或

beautifulsoup

#! /usr/env python

import os
import sys, subprocess

file1 = 'test1'
file2 = 'test2'
if len(sys.argv)==3:
    file1=sys.argv[1]
    file2=sys.argv[2]

if not os.access(file1,os.R_OK):
    print(f'Unable to read: \'{file1}\'')
    sys.exit(1)
if not os.access(file2,os.R_OK):
    print(f'Unable to read: \'{file2}\'')
    sys.exit(1)

argv = ['diff',file1,file2]
runproc = subprocess.Popen(args=argv, stdout=subprocess.PIPE)
out, err = runproc.communicate()
outstr=''
for c in out:
    outstr+=chr(c)
for line in outstr.split('\n'):
    if len(line)==0:
        continue
    if line[0]=='>':
        print(line)