Java - 比较 2 个 HTML 字符串并返回不匹配的对象

Question

我有两个 1 行的 innerHTML 字符串(相当大的(，我需要比较它们，如果它们不匹配，我需要知道哪些对象是不同的。例：

网页 1：

<div><p><span class="text">MyText</span></p></div>

网页 2：

<div><p><span class="text">NotMyText</span></p></div>

应该返回对象列表，在这种情况下只有 1 项：

<span class="text">NotMyText</span>

我在数千个链接/页面上运行脚本，因此速度非常重要。我尝试了谷歌差异，它只返回不匹配的部分。它会说MyText已被删除，NotMyText已被添加或类似的东西，但这不是我所需要的。

对此有任何想法吗？

Answer 1

我认为你不应该在字符串级别进行比较，因为从字符串差异中找出你在哪里，封闭元素是什么并不容易。如果你在 DOM 树表示上工作，它应该更容易做到。

如果我是你，我会写一个递归 DOM 比较方法，并对完整的树进行深度优先搜索，如下所示(只是伪代码(：

DomDifference compare(DOMElement a, DOMElement b) {
   if(a.isLeaf()) {
     return DomDiff(a, b)
   }
   foreach(child: a.children()) {
     otherChild = b.nextChild()
     result = compare(child, otherChild);
     if(!result.isEqual()) {
       return result;
     }
   }
   return DomDifference.nodesAreEqual;
}