檢測HTML頁面之間的差異百分比

假設我有2個HTML源。我想比較這些，如果他們的差異超過給定的百分比值，我想用新的HTML做些什麼。
例如，如果2個HTML頁面相差5％或更多，我想給某人發電子郵件。我怎樣才能在Java中做到這一點？有這樣的圖書館嗎？檢測HTML頁面之間的差異百分比

來源

2011-05-11 Alireza Noori

你說什麼樣的差異？ – 2011-05-11 14:45:48

http://stackoverflow.com/questions/141993/best-way-to-compare-2-xml-documents-in-java可能會回答你的問題 – VirtualTroll 2011-05-11 14:46:24

發佈的問題不回答這個問題，對不起。我正在談論HTML源代碼中的任何差異。例如，如果兩個網頁與頁面頂部的日期/時間不同，它應該返回類似0.1％的差異。 – 2011-05-11 17:22:06

我們的Smart Differencer工具可能會對此有所幫助。

此工具進行比較的「代碼」（各種語言，HTML是一個）結構，併產生一個「差異」等輸出，但它的重點是代碼差異，而不是隻是原始文本的差異，使用特定語言（但有點有限）知識什麼是真的不同。所以，如果你換了標籤中的兩個屬性的位置，它會說沒有區別。

的diff的輸出告訴你什麼代碼塊已經被刪除，插入，移動或複製完成根據語言結構的替代檢測。（對於HTML，正常顯示的文本中的任何更改都被認爲是替代;它不會在這些文本字符串上做差異）。你必須掃描工具輸出以收集你的「整體變化」統計數據，所以這與cygwin diff的做法在概念上不同，但數字可能更精確。因人而異。

來源

2012-07-18 15:51:46

感謝您的回答。我認爲我現在應該爲我的項目使用更復雜的工具。（像基於塊的差異等工具）我會更多地關注你的項目，但無論如何，我選擇這個作爲答案，因爲這比其他答案更好。再次感謝。 – 2012-07-18 18:46:17

這樣做的廉價和骯髒的方法是通過HTML整理程序運行所有內容，刪除無關緊要的空格，然後在每個'<'字符前插入換行符。根據我的經驗，您可以通過標準的基於行的diff實用程序運行生成的文本，爲您提供一個「足夠好」的粗略差異度量。

來源

2011-05-11 14:55:38 regularfry

我不想做這樣的事情。像DaisyDiff（code.google.com/p/daisydiff）這樣的工具可以代表HTML中的差異。主要的實現是HTMLDiff，並且有很多Web跟蹤工具可以執行類似我想要的操作，但我正在尋找一個庫，而不是在另一個HTML中表示差異，只是告訴我它檢測到了多少變化。 – 2011-05-11 17:29:26

鑑於我所描述的，「多少變化」是微不足道的 - 它是差異的行數除以原始行數。 – regularfry 2011-05-12 10:54:57

解決方案的問題在於XML和HTML文檔是基於樹的文檔，而非基於行的文檔。所以我們必須比較節點（不是行）。 – 2011-05-12 20:10:51

檢測HTML頁面之間的差異百分比

回答

相關問題