Как убрать общие части 2-х html страниц?

Коллеги, дайте совет:

Имеем 2 страницы исходного текста на хтмл, страницы берутся с одного хоста.

Задача - отсечь от них одинаковые блоки кода, и оставить только блоки с различным содержимым, т.е. убрать шаблонную часть не зная шаблона. Нужно выделить именно блоки <table> <div>, учитывая тот факт, что они могут быть вложены друг в друга.

Нужен алгоритм как всё это проделать максимально эффективно, т.е. не испортив блоки с искомым содержимым и достаточно быстро.