Pythonで2つのファイルの差分（diff）を検出する方法

Pythonの標準ライブラリには、文字列やファイル間の差分を検出するための専用モジュール difflib が用意されています。このモジュールの unified_diff 関数を使えば、Unixのdiffコマンドのような「統一形式（unified format）」の差分を、追加のインストールなしに簡単に取得できます。

サンプルファイルの準備

例として、次のような内容を持つ2つのファイル file1 と file2 を用意します。

file1:
Hello
People
of
the
world

file2:
Hello
People
from
India

差分を検出するコード

これらのファイルの差分を取得するには、以下のように記述します。ポイントは、read() の後に splitlines() を呼び出して、テキストを行のリストに変換してから渡すことです。unified_diff は行単位で比較を行うため、この変換が必要になります。

import difflib

with open('file1') as f1:
    f1_text = f1.read().splitlines()
with open('file2') as f2:
    f2_text = f2.read().splitlines()

# 差分を検出して表示する
for line in difflib.unified_diff(f1_text, f2_text,
                                  fromfile='file1',
                                  tofile='file2',
                                  lineterm=''):
    print(line)

実行結果

上記のコードを実行すると、次のような出力が得られます。

--- file1
+++ file2
@@ -1,5 +1,4 @@
 Hello
 People
-of
-the
-world
+from
+India

出力の読み方

各行の先頭にある記号には、それぞれ次のような意味があります。

• --- / +++: 比較元と比較先のファイル名を示すヘッダー
• @@ ... @@: 変更が発生した位置（開始行番号と行数）
• 先頭が半角スペースの行： 両ファイルで共通している行
• - で始まる行： file1 から削除された行
• + で始まる行： file2 に追加された行

補足： その他の便利な機能

difflib には他にも便利な関数が用意されています。context_diff() を使うとコンテキスト形式の差分が取得でき、ndiff() を使うとより詳細な行単位の比較結果が得られます。また、HtmlDiff() クラスを使えば、差分を色分けしたHTMLテーブルとして出力することも可能です。用途に応じて使い分けるとよいでしょう。