html - 如何有效地比较两个 HTML 页面内容

Question

我有两个 HTML 页面，我想比较它们的源代码。我已将页面源转换为字符串，我需要知道比较两个大字符串的最佳方法是什么。

• 我应该使用正常的比较方法，例如，page1.eql?(page2)？
• 是否str.eql?(str1)也比较符号，例如，@？

我真的很高兴知道比较的最佳方法。

Answer 1

我不确定您希望比较的详细程度。如果您想要“类似差异”的功能，您可以查看之前提出的类似问题：diff a ruby​​ string or array

Answer 2

这是打印字符串之间差异的 levenshtein 方法，我不确定这是否是您正在寻找的。否则我建议只使用 page1.eql?(page2)

def levenshtein(a, b)
  case
    when a.empty? then b.length
    when b.empty? then a.length
    else [(a[0] == b[0] ? 0 : 1) + levenshtein(a[1..-1], b[1..-1]),
          1 + levenshtein(a[1..-1], b),
          1 + levenshtein(a, b[1..-1])].min
  end
end

Answer 3

查看loofahgem（github 链接）。它在语义上区分 HTML（和 XML）子树，这意味着忽略无意义的空格，忽略属性的顺序等。

Answer 4

尝试使用http://prettydiff.com/?lang=html

Pretty Diff 将去除注释和无意义的空白，以便进行最准确的比较。它还提供了用于微调不同类型的误报条件的高级选项。