概要

二つのテキスト間の差分を抽出するプログラムを作成しました。以下のGoogle Colabからご利用いただけます。

有名なサービスとして「difff」がありますが、今回はPythonを用いて実装しています。

テキスト間の差分の算出には、difflib.SequenceMatcherを使用しています。

使い方

出力方式として、HTMLファイルとTEIファイルの2種類を選ぶことができます。

HTMLファイルの出力結果例は以下です。

XMLファイルの出力例は以下です。

工夫した点として、TEI（Text Encoding Initiative）で定められているappタグを用いて出力します。そのため、appタグに対応したツールで可視化を行うことができます。

例えば、以下の「TEI Critical Apparatus Toolbox」を使用してみます。

Google ColabでダウンロードされるXMLファイルを上記のリンク先にアップロードすることにより、以下のような可視化結果を得ることができます。

二つのテキスト間の差分を取り扱う際の参考になれば幸いです。