Algorithm 差分算法？

我一直在疯狂地寻找一个有效的diff算法的解释

我得到的最接近的是（来自Eric Sink的几篇博客文章），它用完全可以理解的术语描述了存储差异结果的数据格式。然而，它并没有提到一个程序如何在进行差异化时达到这些结果

出于个人好奇心，我试图对此进行研究，因为我确信在实现diff算法时必须进行权衡，这一点有时在您查看diff时非常清楚，并想知道“为什么diff程序选择这个作为更改而不是那个？”

在哪里可以找到最终输出VCDIFF的高效算法的描述？
顺便说一下，如果您碰巧找到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，考虑到他们使用的数据格式，看起来他们正在做一些更聪明的事情。

我首先要看一下GNU制作的diff的实际源代码

为了了解源代码的实际工作原理，该包中的文档参考了启发源代码的论文：

基本算法在“O（ND）差分算法及其变体”中进行了描述，Eugene W.Myers，“Algorithmica”第1卷第2期，1986年，第251-266页；在“文件”中 “比较程序”，韦布·米勒和尤金·迈尔斯，“软件——实践与体验”第15卷第11期，1985年，第1025-1040页。该算法是按照“近似字符串匹配算法”中的描述独立发现的，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。

是一篇精彩的论文，您可能想从这里开始。它包括伪代码和一个很好的图形遍历可视化，这些图形遍历涉及到执行diff

本文第4节对算法进行了一些改进，使其非常有效

成功实现这一点将为您的工具箱中留下一个非常有用的工具（可能还有一些优秀的经验）

生成所需的输出格式有时会很棘手，但如果您了解算法的内部结构，那么您应该能够输出所需的任何内容。您还可以引入启发法来影响输出并进行某些权衡

这包括一些文档，以及使用上述算法中的技术的diff算法的示例

该算法似乎严格遵循基本算法，易于阅读

还有一点是关于准备输入的，您可能会发现这很有用。当您按字符或标记（单词）进行扩散时，输出会有巨大的差异

祝你好运

见

“差异匹配和修补程序库 提供稳健的算法来执行 同步所需的操作 纯文本…当前可用 在爪哇，JavaScript、C++、C语言和 蟒蛇“

---

另请参见基于Emmelaich给出的链接的和-”

，上面还有大量的差异策略

---

他介绍了基本策略，并在文章的最后介绍了Myer的算法和一些图论。

我来这里寻找diff算法，然后自己实现。对不起，我不知道vcdiff

：从最长的公共子序列中，获得类似于diff的输出只需一小步：如果子序列中不存在项，但原始序列中存在项，则该项必须已被删除。（下面的“-”标记）如果在子序列中不存在，但在第二个序列中存在，则必须将其添加到。（使用“+”标记。）

很好的动画效果

链接到fast

下面是我缓慢而简单的ruby改编

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]

def lcs（xs，ys）
如果xs.count>0和ys.count>0
xe，*xb=xs
ye，*yb=ys
如果xe==ye
返回[xe]+lcs（xb，yb）
结束
a=lcs（xs，yb）
b=lcs（xb，ys）
返回（a.长度>b.长度）？a:b
结束
返回[]
结束
def查找差异（原始、修改、后续）
结果=[]
而subsequence.length>0
sfirst，*子序列=子序列
修改时。长度>0
mfirst，*修改=修改
如果mfirst==sfirst，则中断
结果0
首先，*原件=原件
如果ofirst==sfirst，则中断
结果简而言之，Hmmm有时从实际的源代码中找出底层算法（特别是如果它被优化为高效的话）会非常复杂。我将能够一步一步地理解这个程序在做什么，但不能确切地理解“为什么”，也不能从高层次上了解它。。。示例：通过查看Perl正则表达式的实现，您永远不会理解正则表达式是如何工作的（或它们是什么）。或者，如果你能做到这一点，那么我想，我肯定需要一个更详细、更高层次的概述来了解到底发生了什么。我从来都不理解绝大多数Perl是如何工作的：-），但是包文档中有一个链接（见更新）会指向描述它的文献（它是diff算法，而不是Perl）.不要读密码。阅读这篇文章。我只是想提一下科恩的算法似乎也被称为Patience Diff。它是bazaar中的（默认？）Diff算法，是git中的可选算法。维基百科上没有？您可以尝试用高级语言（如python）找到另一个实现，它可能比C实现更容易理解。Python以易于阅读而闻名？python中有一个difflib。这是指向源的url。该消息来源对diff算法有大量评论。RFC不是用来描述算法的。它们旨在描述接口（/协议）