Python 按单词匹配更改，而不是按字符匹配

我正在使用

difflib

的

SequenceMatcher

来

获取操作码（）

，然后用

css

突出显示更改，以创建某种web

diff

首先，我设置了<代码> Min Delta ，所以我认为如果整个字符串中只有3个或更多个字符不同，则两个字符串是不同的（<代码> deltaΔ/CODE）是指一个真实的、遇到的delta，它总结了所有字符的变化）：

matcher=SequenceMatcher（源代码、差异代码）
最小增量=3
增量=0
对于matcher.get_操作码（）中的标记i1、i2、j1、j2：
如果标记==“相等”：
继续#这里没有要捕获的内容
elif标记==“删除”：
如果源字符串[i1:i2].isspace（）：
继续#对空格不可知
其他：
delta+=（i2-i1）#删除i2-i1字符
elif标记==“替换”：
如果源字符串[i1:i2].isspace（）或差异字符串[j1:j2].isspace（）：
继续#对空格不可知
其他：
增量+=（i2-i1）#替换i2-i1字符
elif标记==“插入”：
如果差异[j1:j2].isspace（）：
继续#对空格不可知
其他：
增量+=（j2-j1）#插入j2-j1字符
如果（增量>最小增量）否则为False，则返回值=True

这有助于我确定两个字符串是否真的不同。效率不是很高，但我认为没有比这更好的了

然后，我以相同的方式为两个字符串之间的差异着色：

匹配器中标记i1、i2、j1、j2的

获取操作码（）
如果标记==“相等”：
#忙碌的字符串，插入到s和彩色
elif标记==“删除”：
# ...
返回值=旧字符串，新字符串

结果看起来很难看（蓝色表示已替换，绿色表示新，红色表示已删除，不表示相等）：

所以发生这种情况是因为

SequenceMatcher

匹配每个字符。但是我想让它匹配每一个单词（可能还有它们周围的空格），或者更吸引人的东西，因为正如你在截图上看到的，第一本书实际上被移动到了第四个位置

在我看来，可以使用

SequenceMatcher

的

isjunk

和

autojunk

参数来做一些事情，但我不知道如何编写

lambda

以达到我的目的

因此，我有两个问题：

可以用文字来匹配吗？是否可以使用

get_opcodes（）

和

SequenceMatcher

？如果没有，可以用什么来代替

好的，这是一个必然结果，但不管怎样：如果可以通过单词匹配，那么我可以使用

minu delta

摆脱肮脏的黑客行为，并且只要至少有一个单词不同，就返回

True

，对吗

---

SequenceMatcher

可以接受

str

列表作为输入

您可以先将输入拆分为单词，然后使用

SequenceMatcher

帮助您区分单词。然后，你的彩色差异将是由文字，而不是由字符

您还可以按直线、书本或线段进行区分。您只需要准备一个函数，该函数可以将整个文章字符串预处理为所需的diff块

例如：

• 要按行区分-您可能可以使用

  splitlines（）

• 按书本区分-您可能可以实现一个函数，去掉

  1.

  ，

  2.

• 要按段区分-您可以这样插入API

  （[book_1，author_1，year_1，book_2，author_2，…]，[book_1，author_1，year_1，book_2，author_2，…）

  。然后你的颜色将被分段

---

。。。你没有想到，

True if delta>min_delta else False

与简单的

delta>min_delta

完全相同吗？说得好！当我在编写代码时，这只是一种为我自己添加更多清晰性的方法。我通常在之后重构代码，以消除不必要的冗长和内联一些操作。这次我忘了在一个示例中这样做。请不要滥用内联代码格式来突出显示不是代码的内容（例如类/模块/函数名、小代码示例等）或按字面意思编写的内容（例如，应完全按照显示内容编写的唯一标识符）。要强调其他类型的内容，请使用斜体（*斜体*）或粗体（**粗体**）。

>>> def my_get_opcodes(a, b):
...     s = SequenceMatcher(None, a, b)
...     for tag, i1, i2, j1, j2 in s.get_opcodes():
...         print('{:7}   a[{}:{}] --> b[{}:{}] {!r:>8} --> {!r}'.format(
...             tag, i1, i2, j1, j2, a[i1:i2], b[j1:j2]))
... 

>>> my_get_opcodes("qabxcd", "abycdf")
delete    a[0:1] --> b[0:0]      'q' --> ''
equal     a[1:3] --> b[0:2]     'ab' --> 'ab'
replace   a[3:4] --> b[2:3]      'x' --> 'y'
equal     a[4:6] --> b[3:5]     'cd' --> 'cd'
insert    a[6:6] --> b[5:6]       '' --> 'f'

# This is the bad result you currently have.
>>> my_get_opcodes("one two three\n", "ore tree emu\n")
equal     a[0:1] --> b[0:1]      'o' --> 'o'
replace   a[1:2] --> b[1:2]      'n' --> 'r'
equal     a[2:5] --> b[2:5]    'e t' --> 'e t'
delete    a[5:10] --> b[5:5]  'wo th' --> ''
equal     a[10:13] --> b[5:8]    'ree' --> 'ree'
insert    a[13:13] --> b[8:12]       '' --> ' emu'
equal     a[13:14] --> b[12:13]     '\n' --> '\n'

>>> my_get_opcodes("one two three\n".split(), "ore tree emu\n".split())
replace   a[0:3] --> b[0:3] ['one', 'two', 'three'] --> ['ore', 'tree', 'emu']

# This may be the result you want.
>>> my_get_opcodes("one two emily three ha\n".split(), "ore tree emily emu haha\n".split())
replace   a[0:2] --> b[0:2] ['one', 'two'] --> ['ore', 'tree']
equal     a[2:3] --> b[2:3] ['emily'] --> ['emily']
replace   a[3:5] --> b[3:5] ['three', 'ha'] --> ['emu', 'haha']

# A more complicated example exhibiting all four kinds of opcodes.
>>> my_get_opcodes("one two emily three yo right end\n".split(), "ore tree emily emu haha yo yes right\n".split())
replace   a[0:2] --> b[0:2] ['one', 'two'] --> ['ore', 'tree']
equal     a[2:3] --> b[2:3] ['emily'] --> ['emily']
replace   a[3:4] --> b[3:5] ['three'] --> ['emu', 'haha']
equal     a[4:5] --> b[5:6]   ['yo'] --> ['yo']
insert    a[5:5] --> b[6:7]       [] --> ['yes']
equal     a[5:6] --> b[7:8] ['right'] --> ['right']
delete    a[6:7] --> b[8:8]  ['end'] --> []