Encontrar diferencias entre cadenas

Question

Tengo la siguiente función que obtiene una fuente y una cadena modificada, y repite las palabras modificadas en ella.

def appendBoldChanges(s1, s2): 
    "Adds <b></b> tags to words that are changed" 
    l1 = s1.split(' ') 
    l2 = s2.split(' ') 
    for i, val in enumerate(l1): 
     if l1[i].lower() != l2[i].lower(): 
      s2 = s2.replace(l2[i], "<b>%s</b>" % l2[i]) 

    return s2 
print appendBoldChanges("britney spirs", "britney spears") # returns britney <b>spears</b> 

Funciona bien en las cadenas con la misma cuenta de la palabra, pero falla con diferentes cuentas de la palabra, como sora iro days y sorairo days.

¿Cómo puedo tener en cuenta el espaciado?

Answer 1

usted podría utilizar difflib, y hacerlo de esta manera:

from difflib import Differ 

def appendBoldChanges(s1, s2): 
    "Adds <b></b> tags to words that are changed" 
    l1 = s1.split(' ') 
    l2 = s2.split(' ') 
    dif = list(Differ().compare(l1, l2)) 
    return " ".join(['<b>'+i[2:]+'</b>' if i[:1] == '+' else i[2:] for i in dif 
                  if not i[:1] in '-?']) 

print appendBoldChanges("britney spirs", "britney sprears") 
print appendBoldChanges("sora iro days", "sorairo days") 
#Output: 
britney <b>sprears</b> 
<b>sorairo</b> days 

Answer 2

Eche un vistazo al módulo difflib, puede usar un SequenceMatcher para encontrar las regiones modificadas en su texto.

Answer 3

Una pequeña actualización tp @fraxel respuesta que devuelve 2 salidas - el original y la nueva versión con cambios marcados. I también cambiar la de una sola línea a una versión más fácil en mi opinión

def show_diff(text, n_text): 
    seqm = difflib.SequenceMatcher(None, text, n_text) 
    output_orig = [] 
    output_new = [] 
    for opcode, a0, a1, b0, b1 in seqm.get_opcodes(): 
     orig_seq = seqm.a[a0:a1] 
     new_seq = seqm.b[b0:b1] 
     if opcode == 'equal': 
      output_orig.append(orig_seq) 
      output_new.append(orig_seq) 
     elif opcode == 'insert': 
      output_new.append("<font color=green>{}</font>".format(new_seq)) 
     elif opcode == 'delete': 
      output_orig.append("<font color=red>{}</font>".format(orig_seq)) 
     elif opcode == 'replace': 
      output_new.append("<font color=blue>{}</font>".format(new_seq)) 
      output_orig.append("<font color=blue>{}</font>".format(orig_seq)) 
     else: 
      print('Error') 
    return ''.join(output_orig), ''.join(output_new)