htmlcompare

一个Python库，用于确保两个HTML文档是“相等的”。目前功能非常有限，但该库应该自动忽略这些差异，因为它们与HTML语义不相关（例如，<img style="">与<img>相同，style="color: black; font-weight: bold"与style="font-weight:bold;color:black;"相等）。

用法

import htmlcompare

diff = htmlcompare.compare('<div>', '<p>')
is_same = bool(diff)

为了简化测试，库提供了一些辅助工具

from htmlcompare import assert_different_html, assert_same_html

assert_different_html('<br>', '<p>')
assert_same_html('<div />', '<div></div>')

实现的功能

• 忽略HTML标签之间的空白
• <div />被处理为<div></div>
• HTML属性的顺序不重要：<div class="…" style="…" />与<div style="…" class="…" />被视为相等
• 忽略HTML注释（是的，不幸的是也包括条件注释）
• class属性内CSS类的顺序不重要：<div class="foo bar" />与<div class="bar foo" />相同。
• 空内容的style或class属性（例如，style=""）被认为与缺失的style/class属性相同。
• 内联样式声明使用实际的CSS解析器进行解析：顺序、空白和尾随分号不重要（仅限Python 3.5+）
• 0px在内联CSS中被视为等于0。

局限性/计划

仅支持基本CSS。在 style 属性中的声明使用 tinycss2（Python 3.5+）进行解析，因此声明的顺序和多余的空白不应影响。由于 tinycss2 不支持 Python 2 和 3.4，因此在这里的帮助仅限于移除 style 属性中的尾随 ;。目前完全忽略 <style> 标签的内容（即使使用 tinycss2）。

不验证条件注释。不清楚可以使用哪个库，但将来很可能需要这项功能。

JavaScript - 由于明显的原因，实现完美的 JS 比较是不可能的，但可能可以运行某种“美化器”来处理微小的风格变化。然而，我不需要这个功能，因此不太可能实现（除非有人贡献）。

自定义钩子可以帮助将比较适应您的特定需求。然而，我不知道哪个 API 是最好的，因此这将等待有实际用例出现。

更好的API：当前的 API 非常基础，仅实现了我现在需要的功能。我希望在使用此项目更复杂的场景中改进 API。

其他项目

xmldiff 是一个成熟的用于比较两个 XML 文档的项目。然而，代码似乎不包含特定 HTML 语义（例如 CSS、空属性、不重要的属性顺序）的知识。

杂项

代码采用 MIT 许可协议。它支持 Python 2.7 和 Python 3.4+，尽管一些功能仅在 Python 3.5+ 上可用。