HtmlDiff 仅支持行级对比，需将文本用 splitlines(keepends=True) 转为行列表；单词级差异须用 SequenceMatcher 获取 opcodes，并自行渲染 HTML；预处理（清理空格、统一编码、处理标点）和 UTF-8 编码写入是避免乱码与误判的关键。
用 difflib.HtmlDiff 生成带颜色标记的HTML对比页
直接调用 HtmlDiff 是最快出 HTML 报告的方式，但它默认按行比较，且对空格和换行敏感。如果两段文本是自然语言（比如用户提交的修改稿），需先按行切分并清理首尾空白。
常见错误现象：make_file() 返回空字符串或只显示“no difference”，往往是因为输入是单个长字符串没分行，或前后有不可见字符（如 \r\n 和 \n 混用）。
- 把文本用
.splitlines(keepends=True)切成行列表，保留换行符，避免因换行差异被误判为整行不同 - 传入
HtmlDiff().make_file()时，两个参数必须是list[str]，不能是str - 可选传
fromdesc和todesc参数标注左右标题，否则默认显示 “from” / “to” - 若想高亮单词级差异（比如同一行内只有几个字变了），
HtmlDiff做不到——它只支持行级，得换思路
用 difflib.SequenceMatcher 获取细粒度差异位置
当需要知道「哪几个字符被插入/删除/替换」，或者想自己渲染 HTML（比如加 tooltip、折叠长段落），就得用 SequenceMatcher。它不生成 HTML，但能返回操作码列表（opcodes），描述从 A 到 B 的最小编辑步骤。
使用场景：做代码 diff 工具、文档修订追踪、或集成进 Web 页面做动态高亮。
立即学习“Python免费学习笔记（深入）”；
-
SequenceMatcher(a=text1, b=text2).get_opcodes()返回形如[('equal', 0, 3, 0, 3), ('replace', 3, 5, 3, 6)]的列表，每个元组含义是(tag, i1, i2, j1, j2)，对应 A[i1:i2] → B[j1:j2] - tag 可能是
'equal'、'delete'、'insert'、'replace'；注意'replace'实际是 delete + insert 组合，不是原地修改 - 若文本含大量 Unicode 或 emoji，确保两端都用相同编码（推荐统一用
str，别混用bytes），否则get_opcodes()可能错位 - 性能影响：对超长文本（>10 万字符），
SequenceMatcher时间复杂度接近 O(n²)，建议先按段落切分再逐段比
处理中文、空格与标点导致的误差
difflib 默认把所有字符（包括空格、制表符、全角/半角标点）视为独立 token，所以两段文字仅因「，」和「，」（全角逗号）不同，就会标为整块差异。这不是 bug，是设计如此。
容易踩的坑：用户说“内容明明一样，为什么标红一大片”，大概率是编码、空格、换行符或中英文标点混用。
- 预处理建议：用
.replace(' ', '').replace('\t', '').replace('\u3000', '')清理全半角空格；用正则re.sub(r'[，。！？；：""''（）【】《》]', lambda m: m.group(0)[0], text)统一中文标点（慎用，可能破坏语义） - 更稳妥的做法是自定义
isjunk函数传给SequenceMatcher，例如lambda x: x in ' \t\n'让空格被视为可忽略 junk，但注意这会降低对缩进变更的识别能力 - 中文分词后比对（如用
jieba）效果更好，但已超出difflib范围，属于业务层适配
保存 HTML 文件时的编码与浏览器兼容问题
生成的 HTML 字符串默认是 str，写入文件时若不指定 encoding，Windows 上可能用 gbk 导致中文乱码，浏览器打不开。
性能 / 兼容性影响：部分老浏览器（IE11）不支持 <ins>/<del> 标签的 CSS 样式，需额外加 class 并用内联 style 控制颜色。
- 写文件务必用
open(... , encoding='utf-8')，并在 HTML 字符串开头加上<meta charset="utf-8"> -
HtmlDiff输出的 HTML 不含 CSS，浏览器默认样式较丑；可手动在<head>中注入 style，例如给<ins>加background:#d4fcbc - 如果 HTML 要嵌入现有页面，注意
HtmlDiff生成的是完整 HTML 文档（含<html>标签），需提取<body>内容或改用make_table()只输出表格片段
HtmlDiff 快但糙，SequenceMatcher 精确但要自己画 HTML。最常被忽略的是预处理——尤其当文本来自富文本编辑器、Word 导出或 OCR 结果时，隐藏字符和格式残留几乎必然存在。 
