Python difflib: как сделать HTML-отчёт о правках расшифровки

Подготовьте сопоставимые версии

Этот способ пригодится, когда редактор прислал исправленный TXT и Вы хотите передать проверяющему понятную таблицу «было — стало». Получатель открывает HTML-файл в обычном браузере; Python требуется только тому, кто собирает отчёт. В примере используется стандартная библиотека, дополнительные пакеты устанавливать не нужно.

Сначала получите исходный текст через расшифровку аудио. Сохраните его как original.txt, а отредактированную версию — как edited.txt. Обе версии должны относиться к одной записи. Если из одной копии уже удалили целую тему, а в другой только исправили пунктуацию, отчёт будет показывать разные виды изменений одновременно.

Оставляйте одну реплику или один смысловой абзац на строку. Автоматические переносы по ширине окна не мешают; реальные символы перевода строки влияют на построчное сравнение. Не перестраивайте абзацы одновременно с исправлением слов, если хотите легко проследить содержательные правки.

Соберите таблицу через HtmlDiff

Положите оба TXT рядом с файлом compare.py. Следующий код читает UTF-8, создаёт полный отчёт и сохраняет его в comparison.html. Запускайте его из этой папки командой python compare.py или используйте установленный в Вашей системе запуск Python 3.

from pathlib import Path
from difflib import HtmlDiff
from html import escape

left = Path("original.txt")
right = Path("edited.txt")

before = left.read_text(encoding="utf-8-sig").splitlines()
after = right.read_text(encoding="utf-8-sig").splitlines()

report = HtmlDiff(wrapcolumn=80).make_file(
    before, after,
    fromdesc=escape(left.name),
    todesc=escape(right.name),
    context=False,
    charset="utf-8",
)
Path("comparison.html").write_text(report, encoding="utf-8")

Откройте comparison.html и найдите знакомое исправление. В учебном примере «Срок — пятница» заменяется на «Срок — четверг». Посмотрите, в какой колонке находится новая версия: не принимайте левую сторону за итоговый документ.

Названия файлов проходят через escape, потому что подписи колонок HtmlDiff допускают HTML. Текстовые строки передаются отдельно. Отчёт не изменяет исходные TXT, но содержит их текст — передавайте его тем же проверяющим, которым предназначены эти версии.

Выберите полный или сокращённый отчёт

Для первого просмотра оставьте context=False: так Вы увидите весь документ вместе с изменениями. Для длинного интервью можно поставить context=True и numlines=3. Тогда рядом с изменёнными строками останется ограниченный контекст. Это настройка отображения, а не удаление текста из исходника.

wrapcolumn=80 переносит длинные строки внутри отчёта. Число 80 выбрано для примера: измените его, если Вам удобнее более широкая таблица. Если в браузере по-прежнему приходится прокручивать по горизонтали, уменьшите масштаб или выберите меньшее значение.

Если нужен компактный текстовый список изменений для терминала, полезен git diff без репозитория. HTML-таблица удобнее для человека, которому нужно сравнить две стороны визуально.

Проверьте смысл и сохраните решение

Подсветка не доказывает, что редакция верна. Исправление «пятнадцать» на «пятьдесят», добавление частицы «не» и смена фамилии требуют прослушивания. Сначала найдите реплику по сохранённому таймкоду, затем подтвердите или отклоните правку в отдельном списке.

Не используйте число выделений как оценку точности распознавания. Один перенос абзаца способен изменить большую область таблицы, а короткое удаление частицы — смысл всего предложения. Отдельно проверяйте суммы, даты, имена и условия договорённостей.

Если отчёт выглядит почти полностью изменённым, сравните формат строк и порядок абзацев. При ошибке декодирования установите настоящую кодировку исходных файлов: параметр errors="ignore" может незаметно выбросить буквы. Для структурированной передачи реплик воспользуйтесь экспортом расшифровки в CSV.