如何制作HTML文本差异在线对比工具？

本文共计891个文字，预计阅读时间需要4分钟。

使用`diff`命令比较原始HTML文件与修改后的文件，如果90%以上的差异都是空格、换行、缩进或标签大小写变化导致的，则说明内容本身没有变化，而是格式上的调整。这种情况下，直接输出结果：

HTML 文件必须格式化后再 diff

原始 HTML 经常混用制表符、多空格、不闭合标签、大小写不一致（<DIV> vs <div>），diff a.html b.html 会把整行标为不同。必须统一格式：

• 推荐用 tidy -indent -wrap 0 -quiet -asxhtml：保留自闭合标签（如 <img/>），避免被重写成 <img></img>
• 没装 tidy？用 prettier --parser html --print-width 120，更现代但需 Node.js
• Windows 用户临时应急：Python 一行清洗 python3 -c "import sys; print(open(sys.argv[1]).read().replace('\t', ' ').replace(' ', ' '))" a.html > a.clean.html（仅基础替换，不解析 DOM）

浏览器里快速可视化 HTML 差异用 diff2html

不用搭服务、不传文件，纯前端加载就能出带颜色高亮的并排/行内对比视图：

• 引入两个资源：<script src="https://cdn.jsdelivr.net/npm/diff2html@3.4.4/bundles/js/diff2html.min.js"></script> 和对应 CSS
• 先用命令生成 unified diff：diff -u a.clean.html b.clean.html > diff.txt
• JS 中调用：Diff2Html.html(diffText, { drawFileList: false, matching: 'lines' })；加 matching: 'lines' 防止跨行合并误判（比如把两段 <p> 合成一个块）
• 注意：diff2html 默认不解析 HTML 标签内部结构，<span class="a"> 和 <span class="b"> 的 class 属性变化不会单独高亮，只按整行处理

需要语义级对比？别碰字符串 diff，用 lxml 解析 DOM

如果目标是判断“<p>hello</p>”和“<p>\n hello\n</p>”是否等价，或者想忽略注释、属性顺序、空白文本节点，就必须走 DOM 树比对：

立即学习“前端免费学习笔记（深入）”；

• 用 lxml 解析后序列化：html.tostring(html.fromstring(html_str), encoding='unicode', method='html')，能抹平大部分格式差异
• 更健壮的解析选 html5lib（兼容性更好，尤其对不规范 HTML），但速度稍慢
• 不要用 difflib.SequenceMatcher 直接比原始字符串——它不知道 <div> 是开始标签，</div> 是结束标签，会把嵌套结构拆得七零八落
• 若需细粒度操作（比如只比文本节点、跳过 style/script 内容），得手动遍历 etree.Element 树做条件过滤

真正难的不是怎么比，而是你得先想清楚：这次对比到底要回答什么问题？是检查部署前后页面结构是否一致（DOM 树比）？还是审核编辑提交的文案修改（清洗后行级 diff）？还是排查模板引擎输出异常（带上下文的 unified diff）？选错方法，工具越强，干扰越大。