Question

为了验证迁移工具，我想比较两个文本，一个是源A，另一个来自目标工具B.要填充B，我使用的是基于RESET API的JSON。 B对文本应用了一些我不确切知道的“转换”。

以下是我正在使用的代码片段：

  bkclient = Client()
  for mapping in BkMapping.select(): #get all objects
    entity = Elgg_Entities.get(Elgg_Entities.guid == mapping.elgg_id)
    if entity.subtype == 5:#postopic
      pass
    else:
      elgg_desc = unicodedata.normalize("NFKD", entity.entity.description)
      bk_content = unicodedata.normalize("NFKD", bkclient.get_post(mapping.bkid).get("data").get('content'))

      if resume(bk_content) == resume(elgg_desc):
        pass
      else:
        print('bk content')
        print(bk_content)
        print("elgg content")
        print(elgg_desc)
        input('continue...')

结果：

#### bk content (B) ######
<p>Bonjour à tous,</p>
<p>Je souhaite récolter des informations sur les actions menées en faveur des Seniors au sein du Groupe.</p>
<p>Si vous menez ou avez mené des actions en faveur des seniors et de leur insertion, pourriez-vous m’en faire part. Si je peux avoir des retours d’ici demain matin, ce serait super ! Merci d’avance de vos retours.</p>
######### elgg content (A) #########
<p>Bonjour &agrave; tous,</p>

<p>Je souhaite r&eacute;colter des informations sur les actions men&eacute;es en faveur des Seniors au sein du Groupe.</p>

<p>Si vous menez ou avez men&eacute; des actions en faveur des seniors et de leur insertion, pourriez-vous m&rsquo;en faire part. Si je peux avoir des retours d&rsquo;ici demain matin, ce serait super&nbsp;! Merci d&rsquo;avance de vos retours.</p>

所以，我正在寻找一个工具来处理那些处理重音符＆lt; =＆gt; html实体，空格等的文本。

Answer 1

了解如何操作，BeautifulSoup可以解码html实体：

def remove_accents(input_str):
    nkfd_form = unicodedata.normalize('NFKD', input_str)
    only_ascii = nkfd_form.encode('ASCII', 'ignore')
    return only_ascii

def normalize(text):
  text = re.sub(r'\s+', '', str(BeautifulSoup(text)), flags = re.MULTILINE)
  return str(remove_accents(text))

def compare_text(s1, s2):
  s1 = normalize(s1.lower())
  s2 = normalize(s2.lower())
  l1 = len(s1)
  l2 = len(s2)
  if l1 == l2:
    return  s1 == s2
  return False

t1="""      
<p>Bonjour à tous,</p>
<p>Je souhaite récolter des informations sur les actions menées en faveur des Seniors au sein du Groupe.</p>
<p>Si vous menez ou avez mené des actions en faveur des seniors et de leur insertion, pourriez-vous m’en faire part. Si je peux avoir des retours d’ici demain matin, ce serait super ! Merci d’avance de vos retours.</p>
"""
t2="""
<p>Bonjour &agrave; tous,</p>

<p>Je souhaite r&eacute;colter des informations sur les actions men&eacute;es en faveur des Seniors au sein du Groupe.</p>

<p>Si vous menez ou avez men&eacute; des actions en faveur des seniors et de leur insertion, pourriez-vous m&rsquo;en faire part. Si je peux avoir des retours d&rsquo;ici demain matin, ce serait super&nbsp;! Merci d&rsquo;avance de vos retours.</p>  
"""

print(compare_text(t1, t2))
True

比较两个文本

1 个答案: