HTML 구조 비교

html_structure_diff.py

"""
date: 2016. 12. 22
author: Dokenzy
HTML 구조 비교
"""

from difflib import HtmlDiff
import re
import uuid

from bs4 import BeautifulSoup, Comment


def structure(html):
    """html 파일에서 주석과 텍스트를 제거하고 태그만 리턴한다
    :param html: html 경로
    :type html: str
    :return: HTML 코드
    :rtype: str
    """
    with open(html, encoding='utf-8') as f:
        soup = BeautifulSoup(f.read(), 'html.parser')
        comments = soup.find_all(string=lambda text:isinstance(text, Comment))
        # [comment.extract() for comment in comments]
        text = soup.find_all(string=re.compile('\w+'))
        if text[0] == 'HTML':
            text = text[1:]
        [t.replace_with('') for t in text]  # 텍스트를 삭제한다.
        return str(soup)
        

def html_diff(a, b):
    """두 개의 html파일에서 주석과 텍스트를 제거하여 비교하고 파일로 저장한다.
    :param a: HTML 파일 경로
    :type a: str
    :param b: HTML 파일 경로
    :type b: str
    """
    a_lines = structure(a).split('\n')
    b_lines = structure(b).split('\n')
    diff = HtmlDiff()
    diff_name = 'diff-{}.html'.format(uuid.uuid4())
    with open(diff_name, 'w', encoding='utf-8') as f:
        f.write(diff.make_file(fromlines=a_lines, tolines=b_lines))


if __name__ == '__main__':
    html_diff('a.html', 'b.html')