У меня есть две версии большой книги в формате txt, и я хотел бы сравнить их, чтобы найти значительные различия между версиями, игнорируя небольшие различия в одном символе.
Существует множество инструментов сравнения, которые могут игнорировать различия между пробелами, но я также хочу игнорировать небольшие опечатки и различия в одном или нескольких символах. Например, одна версия книги имеет повторную орфографическую ошибку leige сотни раз, и это исправлено в следующей версии до liege. Некоторые собственные имена также изменили свое написание. (Я мог бы сделать индивидуальные обходные пути для каждой ошибки, но хотел бы что-то более общего назначения)
Поскольку меня интересуют только более значительные различия в нескольких словах, я действительно хочу установить фильтр, который игнорирует изменения для строки, если расстояние редактирования Левенштейна не превышает некоторый порог.
Просматривая все инструменты сравнения / сравнения, которые я нахожу, похоже, имеешь в виду код, поэтому им не хватает какой-либо возможности игнорировать небольшие изменения текста. Библиотека diff_match_patch от Google отлично подходит для разметки открытого текста и игнорирования изменений пробелов ( демонстрация здесь ), но, похоже, не имеет готового способа игнорировать односимвольные различия без пробелов.
ТЛ; др; Существуют ли какие-либо инструменты сравнения, которые могут сравнивать текстовые документы, но отфильтровывать незначительные различия между символами и пробелами?