在python中找到字符级别差异后如何找到单词级别差异

问题描述

我正在努力实现以下目标：

给出一个字符串：

string1 =“你好，我的名字是世界。我爱Java”

string2 =“嘿，我的主题是世界。我爱Java”

输出：

{“之前”：[你好，名字]，“之后”：[你好，动漫]}

当前，我试图通过使用difflib库的Differ函数来实现此目的，该函数提供了基于字符的差异，但是我不确定如何捕获已更改的单词而不是仅捕获字符。当前实现如下：

def change_comparison_report_generator(string1,string2):
    
    diff_list = []    
    d = difflib.Differ()
    for i in  range(len(input_before_pages)):
        diff = d.compare(input_before_pages[i].splitlines(),input_after_pages[i].splitlines())
        output = '\n'.join(diff)
        diff_list.append(output)

    return diff_list

输入与以前相同，得到的输出如下：

- Hello- my name is World. I love Java
? ^^^^^     ^^^^

+ Helo- my anme is World. I love Java
? ^^^^     ^^^^

问题是：如何如上所述捕获单词并以字典形式输出？任何帮助或提示，不胜感激，谢谢！

解决方法

我会尝试一些简单的方法：

# This will split words at spaces and keep other characters.
words1 = string1.split()
words2 = string2.split()

# Alternative option using a regular expression
import re
words1 = re.findall(r"\b\w+\b",string1)
words2 = re.findall(r"\b\w+\b",string2)

然后，zip列出并比较每个元组：

words = {"before": [],"after": []}

for w1,w2 in zip(words1,words2):
    if w1 != w2:
        words["before"].append(w1)
        words["after"].append(w2)

输出：

{'before': ['Hello','name'],'after': ['Helo','anme']}