difflib
difflib 提供序列比较工具，可计算文本相似度、生成差异报告（diff）和 HTML 对比页面。
SequenceMatcher
SequenceMatcher 可比较任意可哈希序列（最常用于字符串），支持计算相似度、提取匹配块等操作。
计算相似度
from difflib import SequenceMatcher
def similarity(a: str, b: str) -> float:
return SequenceMatcher(None, a.lower(), b.lower()).ratio()
print(similarity("Python is good", "python is good!")) # 0.9655
print(similarity("今天天气很好", "今天天气非常好")) # 0.9231
| 方法 | 精度 | 速度 | 推荐场景 |
|---|---|---|---|
ratio() | 高 | 中等 | 最终相似度判定（最常用） |
quick_ratio() | 中 | 快 | 海量数据初筛 |
real_quick_ratio() | 低 | 极快 | 亿级文本粗筛 |
提取匹配块
get_matching_blocks() 返回 Match(a, b, size) 三元组列表，描述两个序列中的连续匹配段。
from difflib import SequenceMatcher
s1 = "ABCDE FFF GHIJK"
s2 = "ABCDX FFF GHIJKMNOP"
matcher = SequenceMatcher(None, s1, s2)
for block in matcher.get_matching_blocks():
if block.size > 0:
print(f"匹配: '{s1[block.a:block.a+block.size]}' (长度 {block.size})")
# 匹配: 'ABCD' (长度 4)
# 匹配: ' FFF GHIJK' (长度 10)
一行代码提取最长公共子串
def longest_common_substring(s1: str, s2: str) -> str:
match = max(
SequenceMatcher(None, s1, s2).get_matching_blocks(),
key=lambda m: m.size
)
return s1[match.a:match.a + match.size]
get_close_matches
从候选列表中返回与目标最相似的选项，适合拼写纠错和模糊匹配。
from difflib import get_close_matches
# 拼写纠错
print(get_close_matches("appel", ["apple", "apply", "ape", "banana"], n=3, cutoff=0.6))
# ['apple', 'apply', 'ape']
# 命令提示
commands = ["commit", "checkout", "cherry-pick", "clone", "clean"]
user_input = "comit"
matches = get_close_matches(user_input, commands, n=1, cutoff=0.6)
if matches:
print(f"你是不是想输入 '{matches[0]}'?")
# 你是不是想输入 'commit'?
| 参数 | 说明 | 推荐值 |
|---|---|---|
n | 返回最多数量 | 1~5 |
cutoff | 相似度阈值（0~1） | 0.6~0.8（常用） |
Differ
逐行比较文本差异，输出人类可读的 diff 格式。
from difflib import Differ
old = ["第一行\n", "第二行\n", "第三行\n"]
new = ["第一行\n", "第二行已修改\n", "第三行\n"]
d = Differ()
diff = list(d.compare(old, new))
print("".join(diff))
# 第一行
# - 第二行
# + 第二行已修改
# ? +++
# 第三行
前缀含义：' ' 两边相同、'- ' 仅在旧文本、'+ ' 仅在新文本、'? ' 字符级差异标记。
unified_diff
生成标准 unified diff 格式，适合 patch 文件和代码审查。
from difflib import unified_diff
old = ["line1\n", "line2\n", "line3\n"]
new = ["line1\n", "line2 modified\n", "line3\n"]
diff = unified_diff(old, new, fromfile="old.txt", tofile="new.txt")
print("".join(diff))
# --- old.txt
# +++ new.txt
# @@ -1,3 +1,3 @@
# line1
# -line2
# +line2 modified
# line3
HtmlDiff
生成带行内字符高亮的 HTML 对比页面，适合配置变更审查。
from difflib import HtmlDiff
old = ["第一行", "第二行", "第三行"]
new = ["第一行", "第二行已修改", "第三行"]
html = HtmlDiff().make_file(
old, new,
fromdesc="旧版本",
todesc="新版本",
context=True,
numlines=3
)
with open("diff.html", "w", encoding="utf-8") as f:
f.write(html)
difflib vs filecmp
difflib 关注内容差异的具体位置和细节；filecmp 只判断文件或目录是否相同，不提供差异内容。需要知道"哪里不同"时用 difflib，只需知道"是否相同"时用 filecmp。