☰

是否有一个工具可以测量文件差异百分比？

tag-icon • tag-icon linux command-line diff
是否有一个工具可以测量文件差异百分比？

我想比较两个文本文件。通常，我只需diff比较两个文件即可查看差异。这很好，但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，结果将有 50% 的差异。我查看了wdiff，它基本上有效，但例外是它逐字查看元素（事实上，我可以通过执行 获得上述结果wdiff -s filea fileb）。

是否存在一个工具可以提供按字符/字节级别的文件百分比差异？

答案1

对两个文本文件进行逐个字符的比较实际上是编辑距离计算。Linux 中没有一个常见的独立程序可以执行此计算，但有一些库函数（我知道 PHP 有一个）和大量在线示例代码可用于此计算。

另一个小警告是，Levenshtein 距离严格来说是两个字符串之间的变化次数，因此如果您要查找百分比，则需要对计算出的距离进行标准化。除以两个字符串长度（文本文件的大小）的平均值是一种广泛使用的标准化方法。

答案2

我在两组转录文件中遇到了类似的问题，我使用了 Levenshtein 距离，正如最多投票的答案中所建议的那样，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

答案3

尝试将 diff 的输出通过管道传输到wc命令。有多种选择，但-l可能会为您提供更改行数的合理计数。由于 diff 输出的是行前和行后以及其他格式，因此您可能需要将结果除以该因子，然后将其放在整个文件长度（以行为单位）的结果上。wc -l

答案4

我建议差异：

❯ sdiff -B -b -s ~/temp/code_old.cpp ~/temp/code_new.cpp | wc
      47     366    3685
      ^^ ~~~ number of changed lines

然后：

❯ cat ~/temp/code_old.cpp | wc
     131     466    4388
     ^^^ ~~~ number of lines before change

然后：

❯ bc -l <<< "47./131.*100."

35.87786259541984732800

给出结果——代码改变了 35%。（计算行数）。

相关内容