如何在google-diff-match-patch中做差異時忽略某些字符？

Question

我使用google-diff-match-patch來比較自然語言中的純文本。

如何讓Google-diff-match-patch忽略某些字符？ （一些微小的差異，我不關心。）

例如，給定文本1：

give me a cup of bean-milk. Thanks. 

和文本2：

please give mom a cup of bean milk! Thank you. 

（請注意，有兩個空格字符之前「謝謝'）

google-diff-match-patch輸出如下：

[please] give m(e)[om] a cup of bean(-)[ ]milk(.)[!] Thank(s)[ you]. 

看來google-diff-match-patch只會忽略不同數量的空格。

如何告訴google-diff-match-patch也可以忽略像[-.!]這樣的字符？

的預期結果將是

[please] give m(e)[om] a cup of bean-milk. Thank(s)[ you]. 

感謝。

Answer 1

谷歌的Diff-匹配貼片可以輸出元組

第一元素指定，如果它是一個插入的列表（1），缺失（-1）或相等（0）。第二個元素指定受影響的文本。

例如：

diff_main("Good dog", "Bad dog") => [(-1, "Goo"), (1, "Ba"), (0, "d dog")] 

因此，我們只需要過濾此列表。

實施例的代碼在Python：

Ignored_marks = re.compile('[ ,\.;:!\'"?-]+$') 

def unmark_minor_diffs(diffs): #diffs are list of tuples produced by google-diff-match-patch 

    cooked_diffs = [] 
    for (op, data) in diffs: 
    if not Ignored_marks.match(data): 
    cooked_diffs.append((op, data)) 
    else: 
    if op in (0, -1): 
     cooked_diffs.append((0, data)) 
    return cooked_diffs