Алгоритм Diff

Ответ 1

Алгоритм разложения O (ND) и его вариации - это фантастическая статья, и вы можете начать там. Он включает в себя псевдокод и хорошую визуализацию обходов графика, связанных с выполнением diff.

В разделе 4 данного документа приводятся некоторые уточнения алгоритма, которые делают его очень эффективным.

Успешное внедрение этого даст вам очень полезный инструмент в вашем наборе инструментов (и, вероятно, отличный опыт).

Создание требуемого формата вывода может иногда быть сложным, но если у вас есть понимание внутренних элементов алгоритма, вы должны иметь возможность выводить все, что вам нужно. Вы также можете ввести эвристику, чтобы повлиять на выход и сделать определенные компромиссы.

Вот страница, которая содержит немного документации, полный источник код и примеры алгоритма дифференциала с использованием методов в вышеупомянутом алгоритме.

Исходный код по-видимому, тесно связан с основным алгоритмом и легко читается.

Там также немного о подготовке ввода, который может оказаться полезным. Там огромная разница в выходе, когда вы отличаетесь символом или токеном (словом).

Удачи!

Ответ 2

Я бы начал с изучения исходного кода для diff, который GNU делает доступным.

Для понимания того, как работает этот исходный код, документы в этом пакете ссылаются на документы, которые его вдохновили:

Базовый алгоритм описан в "Алгоритме разности давлений (ND) и его вариациях", Евгений У. Майерс, "Алгоритмика" Vol. 1 № 2, 1986, стр. 251-266; и в "Файл" "Сравнительная программа", Уэбб Миллер и Юджин В. Майерс, "Программное обеспечение - практика и опыт", том 15 № 11, 1985, стр. 1025-1040. Алгоритм был независимо обнаружен, как описано в "Алгоритмы приближенного соответствия строк", Е. Укконен, "Информация и управление", том 64, 1985, стр. 100-118.

Чтение документов, а затем изучение исходного кода для реализации должно быть более чем достаточно, чтобы понять, как это работает.

Ответ 3

См. http://code.google.com/p/google-diff-match-patch/

"Библиотеки Diff Match и Patch предлагают надежные алгоритмы для выполнения операции, необходимые для синхронизации простой текст.... Доступен на данный момент в Java, JavaScript, С++, С# и Python"

Также см. wikipedia.org Diff page и - " Брэм Коэн: Проблема diff была решена.

Ответ 4

Я пришел сюда, ища алгоритм diff, и впоследствии сделал свою собственную реализацию. Извините, я не знаю о vcdiff.

Wikipedia: от самой длинной общей подпоследовательности это всего лишь небольшой шаг для получения результата с разностным отображением: если элемент отсутствует в подпоследовательность, но присутствующая в оригинале, она должна быть удалена. (Знаки "-" ниже). Если он отсутствует в подпоследовательности, но присутствует во второй последовательности, он должен быть добавлен. (Знаки "+".)

Приятная анимация алгоритма LCS здесь.

Ссылка на быструю реализацию Rubis rubis здесь.

Моя медленная и простая рубиновая адаптация ниже.

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]

Ответ 5

Основываясь на ссылке, которую дал Эммелаич, также существует большой пробег Diff Strategies на веб-сайт Нила Фрейзера (один из авторов библиотеки).

Он охватывает основные стратегии и в конце статьи продвигается к алгоритму Майера и некоторой теории графов.