Linux diff忽略空格比较比较两个XML文件内容的差异-XML/RSS教程-PHP中文网

应使用 xmllint --format --noblanks 格式化后再 diff，而非 diff -w；它保留 xml 结构、去除无意义空白节点，避免因缩进换行导致误报，且需注意 bom、编码及命名空间等语义敏感问题。

linux diff忽略空格比较比较两个xml文件内容的差异

diff -w 不能可靠忽略XML空格

Linux diff 的 -w（忽略所有空白）会把换行、制表符、连续空格全抹平，对XML是灾难性的——它会让 <tag> a </tag> 和 <tag>a</tag> 看起来一样，但实际语义不同；更糟的是，它会把缩进换行也吃掉，导致两个格式不同但结构相同的XML文件显示“全文件差异”。这不是忽略空格，是破坏结构。

真正要做的，是保留XML语法结构的前提下，忽略**无意义的空白节点**（比如纯空格的文本节点、换行缩进），而不是用正则或-w暴力抹平。

别用 diff -w file1.xml file2.xml —— 它连标签间的换行都吞，结果不可信
如果只是想快速看内容差异（不关心格式），先用工具标准化格式再 diff
真实场景中，XML 的空白是否“有意义”，取决于 schema 或业务逻辑：HTML 中 <p>hello<br>world</p> 和换行缩进版可能渲染一致，但 <pre class="brush:php;toolbar:false;"></pre> 里的空格绝不能丢

用 xmllint 格式化后再 diff 最稳

xmllint 是 libxml2 自带的命令行工具，能按标准解析并重排 XML，生成规范缩进、属性排序、空格归一化的输出。这才是“忽略无关空格”的合理起点。

操作分两步：先格式化，再 diff。注意必须加 --format 和 --noblanks（后者去掉纯空白文本节点），否则缩进空格仍会干扰比较：

xmllint --format --noblanks file1.xml > file1.norm.xml
xmllint --format --noblanks file2.xml > file2.norm.xml
diff file1.norm.xml file2.norm.xml

--noblanks 关键：否则 xmllint --format 仍会保留换行缩进产生的空白文本节点
不加 --noblanks 时，两个文件即使内容相同，也可能因缩进层级不同而产生大量“文本节点差异”
如果 XML 带 DTD 或命名空间，加 --dropdtd 避免解析失败（但注意：这会丢失 DTD 相关约束信息）

diff 出现 “No such file or directory” 却文件存在？检查 BOM 和编码

XML 文件开头若有 UTF-8 BOM（\xEF\xBB\xBF），xmllint 默认能处理，但某些 shell 环境或老版本 diff 可能把它当乱码，导致临时文件读取失败或报错“No such file or directory”——其实不是路径错，是编码污染了文件名或内容流。

用 file -i file1.xml 看是否含 charset=utf-8-with-bom
用 sed '1s/^\xEF\xBB\xBF//' file1.xml > file1.no-bom.xml 去 BOM（仅 UTF-8）
统一用 UTF-8 无 BOM 编码保存源文件，比在命令里加转码更可靠
别依赖 iconv 中间转码：XML 声明里的 encoding="GBK" 必须和实际编码一致，否则 xmllint 解析直接失败

需要忽略属性顺序或默认命名空间？得换工具

标准 diff + xmllint 无法解决属性顺序差异（<tag id="1" class="a"></tag> vs <tag class="a" id="1"></tag>），也不处理默认命名空间声明位置变化（xmlns="http://a" 在根元素还是子元素）。这些在语义上等价，但文本 diff 会标为不同。

这种需求已超出 shell 工具能力边界，推荐用 Python 的 lxml.etree + deepdiff，或专用于 XML 的 xmlstar（支持 XPath 提取后比对）
例如用 xmlstar --tounix --text -t -o " " -m "//*/@*" file1.xml | sort 提取所有属性值排序后对比，可绕过顺序问题
但注意：xmlstar 不解析命名空间上下文，xmlns 属性需单独处理，否则默认命名空间差异会被漏掉

真正难的从来不是“怎么 diff”，而是“哪些差异算‘空格差异’，哪些其实是语义变更”。XML 的空白是否可忽略，得看它落在什么上下文里——<description></description> 里的换行可能是段落分隔，<data></data> 里可能就是垃圾。工具只能帮你抹掉明确无意义的部分，剩下的得人来判。