Question

我一直看起来很疯狂，因为有关diff算法的解释很有效。

我最接近的是this link to RFC 3284（来自几篇Eric Sink博客文章），其中以完全可理解的术语描述了存储差异结果的数据格式。但是，它没有提及程序如何在进行差异时达到这些结果。

我试图从个人的好奇心来研究这个问题，因为我确信在实现差异算法时必须进行权衡，有时当你看到差异并且想知道“为什么diff程序选择了这个作为改变而不是那个？“......

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，如果您碰巧找到了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使用的算法，看起来他们在使用他们使用的数据格式时做得更聪明。

Answer 1

An O(ND) Difference Algorithm and its Variations是一篇精彩的论文，你可能想从那里开始。它包括伪代码和执行差异所涉及的图遍历的可视化。

第4节引入了对算法的一些改进，使其非常有效。

成功实施此功能将为您提供工具箱中非常有用的工具（也可能是一些非常好的经验）。

生成所需的输出格式有时会很棘手，但如果您对算法内部有了解，那么您应该能够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某些权衡。

Here is a page，其中包含一些文档，full source code以及使用上述算法中的技术的diff算法示例。

source code似乎紧密遵循基本算法，易于阅读。

还有一些准备输入，你可能会觉得有用。当您按字符或标记（单词）进行区分时，输出会有很大差异。

祝你好运！

Answer 2

我首先会看一下diff的实际源代码，GNU会available。

对于理解该源代码的实际工作原理，该软件包中的文档引用了启发它的论文：

基本算法在“An O（ND）差分算法及其变体”，Eugene W.Myers，'Algorithmica'Vol。 1986年第1号，第251-266页;并在“文件比较程序“，Webb Miller和Eugene W. Myers，'Software - Practice and Experience'Vol.15 No. 11,1985，pp.1025-1040。算法独立发现，如”近似字符串匹配的算法“中所述。，E。Ukkonen，“信息与控制”，第64卷，1985年，第100-118页。

阅读论文然后查看实现的源代码应该足以理解它是如何工作的。

Answer 3

请参阅https://github.com/google/diff-match-patch

“Diff Match和Patch库提供强大的算法来执行同步所需的操作纯文本。 ...目前可用在Java，JavaScript，C ++，C＃和的Python“

另请参阅wikipedia.org Diff page和 - “Bram Cohen: The diff problem has been solved”

Answer 4

我来到这里寻找差异算法，然后我自己实现了。对不起，我不知道vcdiff。

Wikipedia：从最长的公共子序列获得类似差异的输出只是一小步：如果一个项目在子序列中不存在但在原始项目中存在，则必须将其删除。（下面的' - '标记。）如果子序列中不存在但存在于第二个序列中，则必须将其添加到。（'+'标记。）

LCS algorithm here的精彩动画。

链接到快速LCS ruby implementation here。

我的缓慢而简单的红宝石适应性如下。

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]

Answer 5

根据Emmelaich给出的链接，Neil Fraser's website (one of the authors of the library)上的差异策略也有很大的影响。

他介绍了基本策略，并在文章的最后进展到Myer的算法和一些图论。

差异算法？

5 个答案: