用 diff 命令行工具比纯 Python 更快，尤其适合大文件比对；difflib 仅适用于小文件调试或单元测试，性能差且易内存溢出。
用 diff 命令行工具比纯 Python 更快，但需注意路径和编码
直接调用系统 diff 是最轻量、最可靠的方式，尤其对大文件（几十 MB 以上）。Python 自带的 difflib 在内存和性能上都不适合真实场景下的快速比对。
关键点：
-
diff默认按行比较，不解析二进制内容；若需对比二进制文件，得加-a强制文本模式，或改用cmp - Windows 用户需确认
diff可用（Git for Windows 自带，或安装diffutils），否则会报FileNotFoundError: [WinError 2] 系统找不到指定的文件 - 中文路径或含空格路径必须用双引号包裹，否则 shell 调用失败
- 编码不一致会导致误报差异，建议统一用
utf-8读写，或用iconv预处理
示例（生成 unified diff 补丁）：
import subprocess
result = subprocess.run(
['diff', '-u', 'old.txt', 'new.txt'],
capture_output=True,
text=True,
encoding='utf-8'
)
patch_content = result.stdout # 成功时 stdout 是补丁，stderr 为空；无差异时 stdout 为空
difflib.unified_diff() 适合小文件调试，但别用于生产补丁生成
它不依赖外部命令，纯 Python 实现，适合单元测试或临时脚本中做逻辑验证。但它把整个文件读入内存、逐行哈希比对，对 >10MB 的文件容易卡顿甚至 OOM。
常见陷阱：
- 输入必须是字符串列表，且每行末尾要带换行符（
\n），否则unified_diff会漏掉最后一行或格式错乱 - 默认不忽略空白差异，
lineterm=''参数不能省，否则补丁里多出多余空行 - 不保留原始文件的编码元信息，生成的补丁无法直接被
patch命令应用（缺少--- /dev/null或时间戳等头信息）
最小可用示例：
import difflib
with open('old.txt', encoding='utf-8') as f:
a = f.readlines()
with open('new.txt', encoding='utf-8') as f:
b = f.readlines()
# 注意：readlines() 保留 \n，无需额外添加
diff_lines = list(difflib.unified_diff(a, b, fromfile='old.txt', tofile='new.txt', lineterm=''))
patch = ''.join(diff_lines)
生成可被 patch 命令直接应用的补丁，必须满足三要素
哪怕内容正确，缺一不可，否则 patch -p1 会报 malformed patch 或 no file to patch。
三要素是：
- 第一行必须是
--- old.txt（源文件路径），第二行是+++ new.txt（目标文件路径），路径名需与实际一致（相对/绝对路径影响-p参数行为） - 每段差异前要有
@@ -X,Y +A,B @@行，其中X和A是起始行号，Y和B是上下文行数；用difflib时该行由库自动生成，但用subprocess调diff时默认就有 - 补丁内容必须以 Unix 换行符（
\n）结尾，Windows 的\r\n会导致patch解析失败
验证方式：生成后执行 file patch.diff（Linux/macOS）或检查是否含 ^M（Windows 编辑器中），必要时用 dos2unix 处理。
大文件增量比对？别碰 difflib.SequenceMatcher
它底层是 O(N²) 动态规划算法，10 万行文本就可能耗时数秒、吃掉几百 MB 内存。真有“只比新增/删除块”需求，应转向更底层思路：
- 对文件按块哈希（如每 1024 字节算一个
xxh3_64），用集合求差，定位变动块范围，再在局部用diff细比 —— 这才是“快速”的本质 - 若需跨机器同步，直接上
rsync协议（Python 可调subprocess.run(['rsync', ...])），它内置滚动校验与 delta 传输，比手写补丁更稳 - Git 用户优先走
git diff --no-index old.txt new.txt > patch.diff，它自动处理换行、编码、二进制安全等边界情况
补丁不是目的，让变更可复现、可逆、可审计才是。所以生成后务必用 patch --dry-run -f 验证一次，哪怕多花 0.1 秒。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
