如何使用mwclient查找维基百科页面上的修订版本之间的文本差异？

Question

我正在尝试使用mwclient查找给定Wikipedia页面的两个修订版本之间的文本差异。我有以下代码：

import mwclient
import difflib

site = mwclient.Site('en.wikipedia.org')
page = site.pages['Bowdoin College']
texts = [rev for rev in page.revisions(prop='content')]
if not (texts[-1][u'*'] == texts[0][u'*']):
      ##show me the differences between the pages

谢谢你！你知道吗

Answer 1

现在还不清楚您是想要一个difflib生成的diff还是使用mwclient的mediawiki生成的diff。你知道吗

在第一种情况下，您有两个字符串（两个修订的文本），并且希望使用difflib获得差异：

...
t1 = texts[-1][u'*']
t2 = texts[0][u'*']
print('\n'.join(difflib.unified_diff(t1.splitlines(), t2.splitlines())))

（difflib还可以生成HTML diff，有关详细信息，请参阅文档。）

但是，如果您希望MediaWiki使用mwclient生成HTML diff，则需要修订ids：

# TODO: Loading all revisions is slow,
# try to load only as many as required.
revisions = list(page.revisions(prop='ids'))  
last_revision_id = revisions[-1]['revid']
first_revision_id = revisions[0]['revid']

然后使用compare action比较修订ID：

compare_result = site.get('compare', fromrev=last_revision_id, torev=first_revision_id)
html_diff = compare_result['compare']['*']