查找最大相同序列
例子：
#python3.4.3
import difflib
s1 = [ 1, 2, 3, 5, 6, 4 ]
s2 = [ 2, 3, 5, 4, 6, 1 ]
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
matcher = difflib.SequenceMatcher(None, s1, s2)
print(matcher)
print(matcher.find_longest_match(0, 6, 0, 6))
结果输出如下：
s1 = [1, 2, 3, 5, 6, 4]
s2 = [2, 3, 5, 4, 6, 1]
s1 == s2 False
<difflib.SequenceMatcher object at 0x0299B4D0>
Match(a=1, b=0, size=3)
在这个例子里，使用了库defflib，然后创建两个列表s1和s2，为了找出两个列表里最大的相同的元素长度，需要使用函数find_longest_match的功能。最后输出的结果Match(a=1, b=0, size=3)，其Match是命名的元组，a是序列1，也就是列表s1，b是序列2，也就是列表s2，从这里可以看到s1从第1个元素开始，s2从第0个元素开始，就可以达到最大的长度3个元素相同。
跳过指定的字符
在某种情况之下进行文本比较时，需要把空格去掉，只比较关心的字符，就可以采用过虑函数的功能。
例子：
#python3.4.3
import difflib
s1 = ' abcd'
s2 = 'abcd abcd'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
print('丢掉不需要空格字符:')
matcher = difflib.SequenceMatcher(lambda x: x in ' ', s1, s2)
print(matcher)
print(matcher.find_longest_match(0, 5, 0, 9))
print('没有丢掉不需要字符:')
matcher = difflib.SequenceMatcher(None, s1, s2)
print(matcher)
print(matcher.find_longest_match(0, 5, 0, 9))
输出结果如下：
s1 = abcd
s2 = abcd abcd
s1 == s2 False
丢掉不需要空格字符:
<difflib.SequenceMatcher object at 0x0272B4B0>
Match(a=1, b=0, size=4)
没有丢掉不需要字符:
<difflib.SequenceMatcher object at 0x0272BCF0>
Match(a=0, b=4, size=5)
在这个例子里，使用SequenceMatcher对象两种不同的构造形式，主要表示在isjunk是否跳过的值，这是使用函数对象来实现的，lambda是语句里声明函数的方式，x是SequenceMatcher对象进行比较时传递进来的值，然后判断x是否为空格，如果是就返回True，这样SequenceMatcher对象就知道这个字符不用比较，如果返回False，就进行比较，这就是默认的情况None。因此，可以看到第一个有跳过空格的比较，是从a指向的字符第1个字符开始，而不是从0开始，从而在b指向的字符串0位置就可以匹配成功了。而第二个没有跳过空格时，a是指向的字符串是从0开始，而b指向字符串进行匹配是从4开始，也就是从空格字符开始，匹配最长的长度是5。
使用函数set_seqs(a, b)
当你创建一个SequenceMatcher对象之后，并且使用之后又想接着比较另外一对新的序列对象，就可以使用此函数来进行设置新的比较对象，这样不用再次创建SequenceMatcher对象。
例子：
#python3.4.3
import difflib
s1 = ' abcd'
s2 = 'abcd abcd'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
print('丢掉不需要空格字符:')
matcher = difflib.SequenceMatcher(lambda x: x in ' ', s1, s2)
print(matcher)
print(matcher.find_longest_match(0, 5, 0, 9))
print('使用set_seqs(a, b):')
s3 = 'abcd'
s4 = 'abc abcd'
matcher.set_seqs(s3, s4)
print(matcher)
print(matcher.find_longest_match(0, 4, 0, 8))
结果输出如下：
s1 = abcd
s2 = abcd abcd
s1 == s2 False
丢掉不需要空格字符:
<difflib.SequenceMatcher object at 0x029BB4D0>
Match(a=1, b=0, size=4)
使用set_seqs(a, b):
<difflib.SequenceMatcher object at 0x029BB4D0>
Match(a=0, b=4, size=4)
在这个例子里可以看到，使用函数set_seqs(a, b)之后，就可以重新对新的序列s3,s4进行比较了，而不必再创建一个新的SequenceMatcher对象。
同一个序列跟不同其它序列进行比较，使用函数set_seq1(a)、set_seq2(b)
如果在一个序列与多个序列进行比较，可以固定一个序列不变，只变第一或第二个序列，就可以使用set_seq1(a)或者set_seq2(b)函数。
例子：
#python3.4.3
import difflib
s1 = ' abcd'
s2 = 'abcd abcd'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
print('丢掉不需要空格字符:')
matcher = difflib.SequenceMatcher(lambda x: x in ' ', s1, s2)
print(matcher)
print(matcher.find_longest_match(0, 5, 0, 9))
print('使用set_seq1(a):')
s3 = 'abcd'
matcher.set_seq1(s3)
print(matcher)
print(matcher.find_longest_match(0, 4, 0, 9))
s4 = 'abc abcd'
matcher.set_seq2(s4)
print(matcher)
print(matcher.find_longest_match(0, 4, 0, 8))
结果输出如下：
s1 = abcd
s2 = abcd abcd
s1 == s2 False
丢掉不需要空格字符:
<difflib.SequenceMatcher object at 0x029BB4D0>
Match(a=1, b=0, size=4)
使用set_seq1(a):
<difflib.SequenceMatcher object at 0x029BB4D0>
Match(a=0, b=0, size=4)
<difflib.SequenceMatcher object at 0x029BB4D0>
Match(a=0, b=4, size=4)
在这个例子里，通过切换不同的序列进行比较，从而得不同的输出结果。这样的速度应比重头创建一个SequenceMatcher要快一些，因为其中一个不用重新计算了。
get_matching_blocks()函数的使用
这个函数主要用获取a和b比较序里所有相同的交集，通过一个三元组保存在一个列表里返回。
例子：
#python3.4.3
import difflib
s1 = ' abcd 123 321'
s2 = 'abcd abcd 123321'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
print('丢掉不需要空格字符:')
matcher = difflib.SequenceMatcher(lambda x: x in ' ', s1, s2)
print(matcher)
print(matcher.get_matching_blocks())
结果输出如下：
s1 = abcd 123 321
s2 = abcd abcd 123321
s1 == s2 False
丢掉不需要空格字符:
<difflib.SequenceMatcher object at 0x0278B4D0>
[Match(a=1, b=0, size=5), Match(a=6, b=10, size=3), Match(a=10, b=13, size=3), Match(a=13, b=16, size=0)]
在这个例子里，从返回的结果来看，就是在序列a[1:6]与b[0:5]相同，也就是字符串“abcd ”相同；后面依次是a的6位置与b的10位置有3个字符相同，a的10位置与b的13位置有3个字符相同，最后一个表示a序列为13个字符长度，b序列为16个字符长度，size等于0用来表示最后一个三元组。
使用get_opcodes()函数
通过这个函数就可以查看两个序列进行比较的过程。
例子：
#python3.4.3
import difflib
s1 = ' abcd 123 321'
s2 = 'abcd abcd 123321'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
matcher = difflib.SequenceMatcher(None, s1, s2)
print(matcher)
for tag, i1, i2, j1, j2 in matcher.get_opcodes():
print('{:7} a[{}:{}] --> b[{}:{}] {!r:>8} --> {!r}'.format(
tag, i1, i2, j1, j2, s1[i1:i2], s2[j1:j2]))
结果输出如下：
s1 = abcd 123 321
s2 = abcd abcd 123321
s1 == s2 False
<difflib.SequenceMatcher object at 0x0298B4D0>
insert a[0:0] --> b[0:4] '' --> 'abcd'
equal a[0:9] --> b[4:13] ' abcd 123' --> ' abcd 123'
delete a[9:10] --> b[13:13] ' ' --> ''
equal a[10:13] --> b[13:16] '321' --> '321'
从上面结果来看，从s1字符串变成s2字符串需要的操作过程，先是从s1的0位置插入4个字符’abcd’，接着s1[0:9]与s2[4:13]部分相同，接着把s1[9:10]部分删除，最后是s1[10:13]和s2[13:16]相同部分。
使用get_grouped_opcodes(n=3)函数
这个函数是通过n来设置最长匹配值，默认为3个字符。
例子：
#python3.4.3
import difflib
s1 = ' abcd 123 321'
s2 = 'abcd abcd 123321'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
matcher = difflib.SequenceMatcher(None, s1, s2)
print(matcher)
for i in matcher.get_grouped_opcodes(1):
print(i)
print(':')
print('默认：')
for i in matcher.get_grouped_opcodes(9):
print(i)
结果输出如下：
s1 = abcd 123 321
s2 = abcd abcd 123321
s1 == s2 False
<difflib.SequenceMatcher object at 0x0279B4D0>
[('insert', 0, 0, 0, 4), ('equal', 0, 1, 4, 5)]
:
[('equal', 8, 9, 12, 13), ('delete', 9, 10, 13, 13), ('equal', 10, 11, 13, 14)]
:
默认：
[('insert', 0, 0, 0, 4), ('equal', 0, 9, 4, 13), ('delete', 9, 10, 13, 13), ('equal', 10, 11, 13, 14)]
从结果上看，这个函数返回一个列表，列表里包含多个元组。参数n的值决定最长搜索的长度。
使用ratio() 、quick_ratio()、real_quick_ratio()函数
计算两个比较序列的相似程度。
例子：
#python3.4.3
import difflib
s1 = ' abcd 123 321'
s2 = 'abcd abcd 123321'
print('s1 = ', s1)
print('s2 = ', s2)
print('s1 == s2', s1 == s2)
print('')
matcher = difflib.SequenceMatcher(None, s1, s2)
print(matcher)
print('ratio():', matcher.ratio())
print('quick_ratio():', matcher.quick_ratio())
print('real_quick_ratio():', matcher.real_quick_ratio())
结果输出如下：
s1 = abcd 123 321
s2 = abcd abcd 123321
s1 == s2 False
<difflib.SequenceMatcher object at 0x0298B4B0>
ratio(): 0.8275862068965517
quick_ratio(): 0.8275862068965517
real_quick_ratio(): 0.896551724137931
从结果来看，ratio的结果与quick_ratio的结果是非常接近的，但quick_ratio的速度更快一些，而real_quick_ratio的结果就差别比较大一些，但速度会更快。
蔡军生 微信号：shenzhencai 深圳
扫一扫
94
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
