Algorithm 识别文件中的搜索和替换操作

假设您有一个源文件，其中有人使用简单的文本替换将一个符号重命名为另一个符号。该文件上的diff输出通常相当长，不是一个非常有用的标识符。您想知道的是，如果更改只是

s/a/b/g

，如果是，那么

a

和

b

是什么-您不会提前告诉这个工具，它必须自己解决。（为了便于论证，您可以在这里假设“a”和“b”不包含换行符。）

• 您将使用什么算法来发现搜索并替换？（简单）
• 如果发生了几个文本替换，您将如何使其工作？（相当容易）
• 在不比较两个原始文件的情况下，如何编写它来处理diff输出？（相当困难）
• 例如，通过识别regexp匹配项而不是搜索/替换项，您可以在多大程度上做到这一点？（硬的）
• 在一个包含此类更改和其他更改的文件中，您能想出一个启发式方法来生成sed表达式和一个大大缩短的diff吗？（硬的）

---

对于那些喜欢设计算法的人来说，这是一个问题，但它松散地基于我想使用的实际工具，因此，如果您碰巧知道一个很好的命令行工具可以完成上述任何一项，那么您将获得额外的积分

我现在想到两个选择：

• 运行

  /s/b/a/g

  并区分文件（尽管这显然不会在正则表达式中发现错误）
• 制作您自己的diff工具，其工作原理与其他工具相同，但接受某些更改而不将其显示为差异（即，如果某一行不同，且该行的差异仅在于一侧的

  a

  ，另一侧的

  b

  ，则不要标记该行）

---

对此类更改有特殊处理，因此它确实有一个算法。因此，试着查看他们的文档/询问他们。重用该算法可能有点困难，因为它是用英文编写的。
啊，但我指的是任意更改，在运行该工具时您不知道。更新的问题反映了这一点。对文档的最快浏览表明，您使用了一个特殊的替换命令，该命令执行替换并标记替换已发生，而不是根据其效果来识别它。注意，我可能错了。当你谈到正则表达式时，有没有可能原始字符串的一部分在替换字符串中被重用？我认为，这比简单的正则表达式搜索要困难得多，但取而代之的是常量操作（你可以在列表中写两个不同的项目）。多个文本替换听起来并不容易，因为顺序可能很重要：

s/programmer/developer

，然后是

s/program/executable

对

程序员的影响不同。我们是否可以假设操作只影响整个单词（编程语言的标记）？我很高兴看到即使是简单的情况也能解决这个问题，只要您指出了限制。我不认为在一般情况下发现regexp匹配是可能的，我怀疑如果有重叠的搜索-替换对，任何合理的算法都会产生与作者实际使用的不同的搜索/替换集。但是，考虑到目前缺乏任何解决方案，即使是部分答案也总比没有好，所以请陈述您的假设并从那里开始。