计算两个 HTML 文件的百分比差异

Question

我正在用 php 编写一个工具来比较 HTML 文件并显示差异。现在我正在寻找一种有效的方法来计算两个 HTML 文件之间的百分比差异。这些文件可以是任意长的（我拥有的文件可以长达 300000 个字符）。

经过一番研究，我偶然发现了 Levensthein 距离，它是一种 O(n*m) 算法，需要空间 O(n*m)：php 版本最多只能支持 255 个字符，而我自己实现的 O(n) 空间，太慢了。之后，我尝试了php函数similar_text，但是该算法对于非常大的HTML文件来说也太慢了。

所以现在我正在寻找另一种更有效的算法来比较 HTML 文件。近似算法也很好。有人可以给我一些关于如何做到这一点的建议吗？

Answer 1

您可以设置 xdiff 扩展：

然后获取两个文件的差异，根据该差异，您可以轻松得出百分比。

例子：

差异结果：从 A 到 B 200 个单词差异

这会给你 50% 的相似度。