主要介紹兩個(gè) Python 中常用于比較數(shù)據(jù)的模塊，一個(gè)是 filecmp 模塊，另一個(gè)是 difflib 模塊。其中，前者主要用于比較文件及目錄，后者主要用于比較序列的類和函數(shù)，下面具體介紹兩者的區(qū)別。
filecmp 模塊
filecmp 模塊作為 Python 提供的標(biāo)準(zhǔn)庫之一，無需安裝，模塊定義了用于比較文件及目錄的函數(shù)，對服務(wù)器上的文件目錄的校驗(yàn)非常實(shí)用。
cmp(f1,f2)函數(shù)
cmp(f1,f2)函數(shù)用于比較兩個(gè)文件是否相同，如果 f1 和 f2 相等則返回True，否則返回False。例如：
#新建兩個(gè)文件f1 和 f2#f1存儲的數(shù)據(jù)是1,2,3#f2存儲的數(shù)據(jù)是4,5,6import filecmpprint(filecmp.cmp(“f1″,”f1”))print(filecmp.cmp(“f1″,”f2”))FalseTrue
cmpfiles(dir1, dir2, common[, shallow])函數(shù)
cmpfiles(dir1, dir2, common[, shallow])函數(shù)可以用于比較兩個(gè)文件夾內(nèi)指定的文件是否相等，參數(shù)dir1 和 dir2 是兩個(gè)文件夾路徑，參數(shù)common是指定要比較的文件名列表。
例如，cmpfiles(‘a(chǎn)’, ‘b’, [‘c’, ‘d/e’]) 將會比較 a/c 與 b/c 以及 a/d/e 與 b/d/e。’c’ 和 ‘d/e’ 將會各自出現(xiàn)在返回的三個(gè)列表里的某一個(gè)列表中。
clear_cache()函數(shù)
clear_cache()函數(shù)可以清除文件比較緩沖區(qū)，當(dāng)比較的文件不斷地快速修改時(shí)，就可以使用這個(gè)函數(shù)來更新文件的信息。
除了以上三個(gè)函數(shù)外，filecmp 還包含一個(gè)用于比較目錄的類——dircmp。
類dircmp(a,b[,ignore[,hide]])用于創(chuàng)建一個(gè)比較目錄 a 和 b 的新的目錄比較對象。ignore 是需要忽略的文件名列表，且默認(rèn)為 filecmp.DEFAULT_IGNORES。hide 是需要隱藏的文件名列表，且默認(rèn)為 [os.curdir, os.pardir]。
dircmp 類提供了三個(gè)方法用于比較報(bào)告：
- report() 將 a 與 b 之間的比較結(jié)果打印出來
- report_partial_closure() 打印 a 與 b 及共同直接子目錄的比較結(jié)果
- report_full_closure() 打印 a 與 b 及共同子目錄比較結(jié)果(遞歸地)
difflib 模塊
difflib 模塊是 Python 提供的比較序列差異的功能，包含以下三個(gè)類：
- Differ 對字符串進(jìn)行比較
- HtmlDiff 將比較結(jié)果輸出為html格式
- SequenceMatcher 任意類型序列的比較 (可以比較字符串)
Differ類
Differ類的作用是比較由文本行組成的序列，并產(chǎn)生可供人閱讀的差異或增量信息。Differ 統(tǒng)一使用 SequenceMatcher 來完成行序列的比較以及相似（接近匹配）行內(nèi)部字符序列的比較。
雙字母代碼 | 含義 |
’- ‘ | 行為序列 1 所獨(dú)有 |
’+ ‘ | 行為序列 2 所獨(dú)有 |
’ ‘ | 行在兩序列中相同 |
’? ‘ | 行不存在于任一輸入序列 |
以 ‘?’ 打頭的行嘗試將視線引至行以外而不存在于任一輸入序列的差異。 如果序列包含制表符則這些行可能會令人感到迷惑。
HtmlDiff類
HtmlDiff類可以被用來創(chuàng)建HTML表格 (或者說包含表格的html文件) ，兩邊對應(yīng)展示或者行對行的展示比對差異結(jié)果。
make_file(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])
make_table(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])
以上兩個(gè)方法都可以用來生成包含一個(gè)內(nèi)容為比對結(jié)果的表格的html文件，并且部分內(nèi)容會高亮顯示。
SequenceMatcher類
SequenceMatcher類可用于比較任何類型的序列對，只要序列元素為 hashable 對象。其思路是找到不包含“垃圾”元素的最長連續(xù)匹配子序列；所謂“垃圾”元素是指其在某種意義上沒有價(jià)值，例如空白行或空白符。
import difflibfrom pprint import pprinta = ‘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 (“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]))
輸出結(jié)果：
s.get_matching_blocks():[Match(a=1, b=1, size=14), Match(a=16, b=17, size=1), Match(a=17, b=19, size=10), Match(a=27, b=29, size=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)
總結(jié)
本節(jié)內(nèi)容介紹了 Python 中 filecmp 和 difflib 兩個(gè)模塊的常用操作，對于實(shí)現(xiàn)文件及目錄的比較提供了支撐。
