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innerHTML字符串（相当大），我需要比较它们，如果它们不匹配，我需要知道哪些对象不同。 例：

HTML 1：

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

HTML 2：

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

应该返回对象列表，在这种情况下，只能返回1个项目：

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

我正在数千个链接/页面上运行脚本，因此速度非常重要。 我尝试了Google Diff，它仅返回不匹配的部分。 它会说MyText已删除，NotMyText已添加或类似内容，但这不是我所需要的。

有什么想法吗？

Answer 1

我认为您不应该在String Level上进行比较，因为从String diff比较不容易找出您的位置，其中的封闭元素是什么。 如果您使用DOM树表示，则应该更容易做到。

如果我是你，我会写一个递归的DOM比较方法，然后像这样对整个树进行一种深度优先搜索（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;
}