是否有测量文件差异百分比的工具？

Question

我想比较两个文本文件。通常，我可以diff用来比较两个文件以查看差异。这很好，只是我更关心两个文件的百分比差异。

例如：

File A:
    banana
    TESTING

File B:
    TESTING

在这种情况下，结果将是 50% 的差异。我查看了wdiff，它主要是有效的，除了它逐字查看元素（实际上，我可以通过执行 得到上面的结果wdiff -s filea fileb）。

是否存在提供按字符/按字节级别的文件百分比差异的工具？

Answer 1

对两个文本文件进行逐字符比较实际上是一种Levenshtein 距离计算。Linux 中没有一个通用的独立程序可以执行此计算，但是有一些库函数（我知道 PHP 有一个）和大量在线示例代码用于此计算。

另一个小警告是，Levenshtein 距离严格地是两个字符串之间变化的数量，因此如果您正在寻找百分比，则需要对计算出的距离进行归一化。除以两个字符串的长度（文本文件的大小）的平均值是一种广泛使用的规范化。

Answer 2

我对两组转录文件也遇到了类似的问题，我按照投票最多的答案中的建议使用了 Levenshtein 距离，但发现使用 python 是更好的选择。

pip install python-Levenshtein

代码如下：

import sys

from Levenshtein import *

txt1 = open(sys.argv[1]).read()
txt2 = open(sys.argv[2]).read()

print("distance:", distance(txt1,txt2))

使用：

python distance.py file1 file2

Answer 3

尝试将输出 if diff 通过管道传输到wc命令。有多种选择，但-l可能会给您提供适当的更改行数计数。由于 diff 在行之前和之后输出以及其他一些格式，因此您可能必须将结果除以该因子，然后将其放在行中整个文件长度的结果上。wc -l