两个文本文件找不同：一个Python脚本输出所有差异行（实测版）

发布于 2026-10-06 · 本文所有数据均为脚本真实运行输出

改完一份产品说明、合同、报告，想知道到底改了哪几行？对方回过来的 Word 只说"小改了几处"？把两版各存成 txt，这个脚本 10 秒列出所有差异行，不用装 Beyond Compare。

脚本（实测通过，可直接复制）

# -*- coding: utf-8 -*-
"""比较两个文本文件，输出所有不同行（带行号）。

用法: python3 text_diff.py before.txt after.txt [输出文件] [--keep-ws]
默认忽略行首尾空白和空行（适合对比 Word 导出/复制的文本）；
加 --keep-ws 则逐字符严格比较（适合代码、合同条款等缩进有意义的文本）。
"""
import sys, difflib

def read_lines(path):
    data = open(path, 'rb').read()
    for enc in ('utf-8-sig', 'gbk'):
        try:
            return data.decode(enc).splitlines()
        except UnicodeDecodeError:
            continue
    return data.decode('utf-8', errors='replace').splitlines()

def norm(lines, keep_ws, ignore_blank):
    out = []
    for l in lines:
        l = l.rstrip('\r\n')
        if not keep_ws:
            l = l.strip()
        if ignore_blank and not l:
            continue
        out.append(l)
    return out

def main(f1, f2, out='diff_result.txt', keep_ws=False):
    a = norm(read_lines(f1), keep_ws, not keep_ws)
    b = norm(read_lines(f2), keep_ws, not keep_ws)
    d = difflib.unified_diff(a, b, fromfile=f1, tofile=f2, lineterm='', n=1)
    out_lines = list(d)
    with open(out, 'w', encoding='utf-8') as f:
        f.write('\n'.join(out_lines) + '\n')
    changed = sum(1 for l in out_lines if l[:1] in '+-' and not l.startswith(('+++','---')))
    mode = '严格' if keep_ws else '忽略空白'
    print(f"[{mode}] 差异 {changed} 行，已写入 {out}")
    for l in out_lines:
        print(l)
    return changed

if __name__ == '__main__':
    args = [a for a in sys.argv[1:] if not a.startswith('--')]
    keep_ws = '--keep-ws' in sys.argv
    f1, f2 = args[0], args[1]
    out = args[2] if len(args) > 2 else 'diff_result.txt'
    main(f1, f2, out, keep_ws)

实测 1：改过的产品说明

构造 before / after 两版文本（改版本号、换电话、删地址、改价格、加新品、加条款）：

$ python3 text_diff.py before.txt after.txt
[忽略空白] 差异 9 行，已写入 diff_result.txt
--- before.txt
+++ after.txt
@@ -1,9 +1,10 @@
-产品说明v1
+产品说明v2(已更新)
 联系人: 张三
-电话: 13800000000
-地址: 北京市朝阳区某路1号
+电话: 13900000000
 价格表
-A 10
+A 12
 B 20
+C 33
 合同条款
 双方协商
+仲裁

每处改动一行 -/+，未变的行原样带出上下文。diff_result.txt 直接发群里或存档。

实测 2：乱序文件 —— 不是脚本笨，是真不一样

把 after 的行整个倒序存成 after_shuffled.txt 再跑：

$ python3 text_diff.py before.txt after_shuffled.txt diff2.txt
[忽略空白] 差异 17 行

内容"其实一样"但行序不同 → 17 行差异。difflib 是按行序对比的，要"内容集合级"对比得先 sort，两种需求别搞混。

实测 3：同一文件重跑，输出完全一致（幂等）

两次运行 diff_result.txt 逐字节相同，脚本无副作用，可放心反复跑。

实测中踩到的 4 个真坑

1. 尾随空格制造"假差异"：「你好」vs「你好 」逐字符是两行不同。默认模式做了 strip()（实测这类假差异归零）；但对比代码/缩进有意义的文本要加 --keep-ws——实测该模式下 2 处空格差异被正确检出。
2. Windows 换行 CRLF：Windows 来的文件每行结尾是 \r\n，不处理的话整份文件"全部不同"。用 splitlines() + rstrip，实测 CRLF 文件与 LF 文件对比差异 0 行，正确。
3. GBK 编码文件直接崩：Windows 记事本存的 ANSI 文件是 GBK，用 open(..., encoding='utf-8') 读会抛 UnicodeDecodeError（实测复现）。脚本按 utf-8-sig → gbk 顺序尝试解码，实测 GBK 文件与同内容 UTF-8 文件对比差异 0 行。
4. 别拿 diff 行数当"相似度"：unified_diff 带上下文行，输出行数多≠文件差别大。看"到底几处不同"以脚本统计的 -/+ 行数为准，本页统一以"差异 N 行"口径为准。