[Python] difflib 모듈을 사용한 긴 문자열 비교

[Python] 두개의 문자열 비교하는 방법 : 같음, 다름, 관계 연산 이해하기에서 문자열을 비교하는 다양한 방법을 알아 보았다. 이제 우리는 더 긴 텍스트 조각을 살펴보고 정확한 차이점을 집어내기 위한 단계를 밟고 있다. 이 포스트에서는 파이썬의 difflib 모듈을 활용하여 상당량의 텍스트를 분석하고 비교하는 과정을 안내할 것이며, 복잡한 데이터 비교를 다루는 데 있어 매우 멋진 도구가 될 것이다.

# SequenceMatcher를 활용한 문자열 비교

difflib 모듈의 SequenceMatcher 클래스는 두 문자열을 비교하고 그 사이의 유사도 비율을 확인할 수 있다.

from difflib import SequenceMatcher

string1 = "The sun rises in the east\nA stitch in time saves nine\nAll that glitters is not gold"
string2 = "The sun sets in the west\nA stitch in time saves nine\nAll that shines is not gold\n"

s = SequenceMatcher(None, string1, string2)
similarity_ratio = s.ratio()

print(similarity_ratio)  # 출력: 0.9146341463414634

이 코드 조각은 두 문자열을 비교하고 유사도 비율을 얻는 방법을 보여주며, 텍스트 간의 미세한 차이를 신속하게 파악하는 편리한 방법이다.

# Differ를 활용한 텍스트 줄 단위 비교

difflib 모듈의 Differ 클래스는 더 큰 텍스트 문서를 줄 단위로 비교할 수 있다.

from difflib import Differ

string1 = "The sun rises in the east\nA stitch in time saves nine\nAll that glitters is not gold"
string2 = "The sun sets in the west\nA stitch in time saves nine\nAll that shines is not gold\n"

text1 = string1.split('\n')
text2 = string2.split('\n')

d = Differ()
diff = d.compare(text1, text2)

print('\n'.join(diff))

출력

- The sun rises in the east
?         --            -

+ The sun sets in the west
?           +         +

  A stitch in time saves nine

- All that glitters is not gold
?          ^^ ^^ -

+ All that shines is not gold
?          ^^ ^

주어진 코드 조각에서, difflib 모듈의 Differ 클래스는 text1과 text2라는 두 문자열 리스트를 비교하는 데 사용된다. 코드의 출력은 두 리스트 간의 차이점을 강조하며, 각 차이의 성격을 지시하는 특정 기호를 사용한다.

• -로 시작하는 줄은 text1에 있고 text2에 없는 요소를 나타낸다.
• +로 시작하는 줄은 text2에 있고 text1에 없는 요소를 나타낸다.
• 시작 부분에 기호가 없는 줄은 동일한 요소를 나타낸다.
• ?로 시작하는 줄은 줄 내의 변화를 특정 위치에서 나타내며, 변화가 발생한 곳을 강조하기 위해 다른 문자를 사용한다.

제공된 출력을 분석해 보자:

1. The sun rises/sets line: - 줄은 "The sun rises in the east"가 text1에 있고 text2에 없음을 나타낸다. + 줄은 "The sun sets in the west"가 text2에 있고 text1에 없음을 나타낸다. ? 줄은 정확히 변화한 문자를 지정한다.

2. 동일한 줄: "A stitch in time saves nine"는 text1과 text2 모두에서 동일하므로 시작 부분에 기호가 없다.

3. The glitters/shines line: 첫 번째 줄과 비슷하게, -, +, ? 줄은 "All that glitters is not gold"가 text1에서 "All that shines is not gold"로 text2에서 대체되었음을 보여주며, 특정 변화를 강조한다.

# FAQs

1. difflib으로 이진 파일을 비교할 수 있나요? 아니요, difflib 모듈은 텍스트 줄의 시퀀스를 비교하기 위한 것이다.

2. difflib은 파이썬의 모든 버전에서 사용할 수 있나요? difflib 모듈은 버전 2.1부터 파이썬 표준 라이브러리에서 사용할 수 있다.

3. difflib으로 HTML 파일을 어떻게 비교하나요? difflib 모듈의 HtmlDiff 클래스를 사용하여 HTML 양옆비교 표를 생성할 수 있다.

4. 비교 결과의 출력을 사용자 정의할 수 있나요? 네, Differ와 같은 클래스는 비교가 수행되는 방식과 출력이 생성되는 방식을 사용자 정의하는 옵션을 제공한다.

5. 두 개의 큰 텍스트 간의 변화를 빠르게 파악할 수 있는 방법이 있나요? 네, difflib.get_opcodes() 메소드를 사용하여 변화 블록에 대한 정보를 얻을 수 있으며, 큰 텍스트에 유용할 수 있다.