在包含HTML的文档上使用diff

Question

我正处于一个用于编写和编辑文档的系统的头脑风暴过程中(想想Google Docs,但没有实时协作).我将使用WYSIWYG编辑器,因此文档将包含HTML.

编辑器将对文档进行更改,原始用户应查看这些修订并手动进行更改.

当涉及HTML标签时,如何使用diff系统？我想要修改以显示格式化的任何更改,因此,例如,如果某些内容是粗体,那么它应该接受该更改.它还应该使内容更改像普通差异一样可见.

如果我使用常规diff系统,那么它会将HTML视为常规文本,显然不是这种情况.感谢您的任何指示!

Answer 1

我使用过的用于 HTML 比较的最佳 OSS 库是DaisyDiff（PHP 版本）。

值得注意的是，比较 HTML 或 XML 是一件麻烦的事情。如果您可以在传递到比较算法之前通过进行一些预处理来简化要比较的数据，您可能会得到更好的结果。例如，如果您确实只使用<p>, <b>,<i>标签等内容，则将它们标记化并使用差异算法，例如diff-match-patch或GNU Diff。然后替换这些令牌。有关于此的一些想法，请参阅此diff-match-patch wiki 页面。