差异算法？[关闭]

我一直在疯狂地解释有效且高效的diff算法。

我得到的最接近的链接是RFC 3284（来自Eric Sink的几篇博客文章），该链接以完全易于理解的术语描述了差异结果存储的数据格式。但是，它没有提及程序在进行比较时如何达到这些结果。

我试图出于个人好奇心进行研究，因为我敢肯定在实施diff算法时必须权衡取舍，当您查看diff并想知道“为什么diff程序为什么选择此作为更改时，这很清楚而不是那个？” ...

在哪里可以找到最终输出VCDIFF的有效算法的描述？
顺便说一句，如果您偶然发现SourceGear的DiffMerge使用的实际算法的描述，那就更好了。

注意：最长的公共子序列似乎不是VCDIFF所使用的算法，在给定使用的数据格式的情况下，它们似乎在做些更聪明的事情。

O（ND）差异算法及其变体是一篇很棒的论文，您可能要从这里开始。它包括伪代码和进行差异所涉及的图形遍历的漂亮可视化。

本文的第4节介绍了对该算法的一些改进，使其非常有效。

成功实现这一点将为您提供一个非常有用的工具，并且可能会提供一些出色的经验。

生成所需的输出格式有时可能会有些棘手，但是如果您了解算法的内部原理，那么您应该可以输出所需的任何内容。您还可以引入启发式方法来影响输出并进行一定的权衡。

这是一个页面，其中包含一些文档，完整的源代码以及使用上述算法中的技术的diff算法示例。

该源代码似乎紧跟基本算法和易于阅读。

还有一些准备输入的内容，您可能会觉得有用。当您按字符或标记（单词）进行区分时，输出会有巨大差异。

祝好运！

我将从查看diff 的实际源代码开始 ，这是GNU 提供的。

为了了解源代码的实际工作原理，该软件包中的文档参考了激发源代码的论文：

基本算法在Eugene W. Myers的“ Algorithmica”卷中的“ O（ND）差分算法及其变体”中进行了描述。1 1986年第2号，第251-266页；在“文件比较程序”中，韦伯·米勒（Webb Miller）和尤金·迈尔斯（Eugene W. Myers），“软件-实践与经验”卷。1985年11月15日，第1025-1040页。该算法是独立发现的，如E.Ukkonen的“ Information and Control”卷，“近似字符串匹配算法”中所述。64，1985，第100-118页。

阅读论文，然后查看实现的源代码应该足以理解其工作原理。

参见https://github.com/google/diff-match-patch

“ Diff Match和Patch库提供了健壮的算法来执行同步纯文本所需的操作。...目前可用于Java，JavaScript，C ++，C＃和Python”

另请参见wikipedia.org Diff页面和-“ Bram Cohen：diff问题已解决 ”

我来到这里寻找diff算法，然后实现了自己的实现。抱歉，我不了解vcdiff。

维基百科：从最长的公共子序列中，获得类似diff的输出只是一小步：如果子序列中不存在某项，但该项出现在原始序列中，则必须将其删除。（下面的'–'标记。）如果子序列中不存在，但是在第二个序列中存在，则必须添加它。（'+'标记。）

LCS算法的动画效果很好。

在此处链接到快速的LCS红宝石实现。

我的缓慢而简单的红宝石改编如下。

def lcs(xs, ys)
  if xs.count > 0 and ys.count > 0
    xe, *xb = xs
    ye, *yb = ys
    if xe == ye
      return [xe] + lcs(xb, yb)
    end
    a = lcs(xs, yb)
    b = lcs(xb, ys)
    return (a.length > b.length) ? a : b
  end
  return []
end

def find_diffs(original, modified, subsequence)
  result = []
  while subsequence.length > 0
    sfirst, *subsequence = subsequence
    while modified.length > 0
      mfirst, *modified = modified
      break if mfirst == sfirst
      result << "+#{mfirst}"
    end
    while original.length > 0
      ofirst, *original = original
      break if ofirst == sfirst
      result << "-#{ofirst}"
    end
    result << "#{sfirst}"
  end
  while modified.length > 0
    mfirst, *modified = modified
    result << "+#{mfirst}"
  end
  while original.length > 0
    ofirst, *original = original
    result << "-#{ofirst}"
  end
  return result
end

def pretty_diff(original, modified)
  subsequence = lcs(modified, original)
  diffs = find_diffs(original, modified, subsequence)

  puts 'ORIG      [' + original.join(', ') + ']'
  puts 'MODIFIED  [' + modified.join(', ') + ']'
  puts 'LCS       [' + subsequence.join(', ') + ']'
  puts 'DIFFS     [' + diffs.join(', ') + ']'
end

pretty_diff("human".scan(/./), "chimpanzee".scan(/./))
# ORIG      [h, u, m, a, n]
# MODIFIED  [c, h, i, m, p, a, n, z, e, e]
# LCS       [h, m, a, n]
# DIFFS     [+c, h, +i, -u, m, +p, a, n, +z, +e, +e]

根据Emmelaich给出的链接，Neil Fraser的网站（该库的作者之一）的Diff Strategies也非常出色。

他介绍了基本策略，并在本文结尾处介绍了Myer算法和一些图论。