Java 如何在元素级别而不是属性级别区分XML？

我需要在两个XML文档之间进行比较。我一直在研究这里提到的许多不同的xml扩散工具，这些工具通常是关于堆栈溢出的，但我的需求当然非常特殊，因此它们并不真正适合。简言之，我需要比较的不是整个文档，而是元素内容（同时考虑顺序），并且我需要非常具体的输出格式，而不是传统的diff补丁

请原谅这卷课文，但我觉得很难把它解释得更短

首先，我的局限性

解决方案必须是基于Java的，或者可以与命令行Java应用程序集成。它也必须是免费的，因为我不能在这上面花“真正的钱”，只能花我的工作时间（但当然不能太多；我的最后期限就要到了）。。。听起来熟悉吗？最后，我的目标不是传统的diff补丁结果，而是两个源文件的非直接组合

第二，我的数据说明

每个文档包含类型为

text

或

section

的节点；文本是简单的字符串，但节可以同时包含文本和更多节（它们还有一个名称，作为属性提供）。此外，每个节点都标记有修订信息

这是一个示例文档。请注意，为简洁起见，这似乎是一个列表；实际上，它更像散文——也就是说，元素顺序非常重要

<document diff="=" revision="1">
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Chxrries</text>
  <section diff="=" revision="1" name="Blue ones">
    <text diff="=" revision="1">Grapes</text>
    <section diff="=" revision="1" name="More">
      <text diff="=" revision="1">Blueberries</text>
    </section>
    <text diff="=" revision="1">Oranges</text>
  </section>
</document>

因此，结果不是一个diff补丁，而是一个包含更新版本信息的完整文档

第三，我所做的工作——以及我的问题

我使用了一个自定义java函数进行逐行比较，但它在一个特定的用例中失败了，即旧版本多次包含特定的文本，而新版本中非最后一个文本被更改。这将“欺骗”比较器，使其将旧版本文本与以下新版本文本相匹配，而不是识别一个文本更改的内容。虽然结果在技术上是正确的，但不必要的添加和删除所增加的“噪音”掩盖了这一事实，而对于人类来说，这显然是一团混乱（顺便说一句，这个标记是为了人类可读性）。现在，正是因为我的逐行方法，我发现这很难解决

下面是一个欺骗我的代码的用例示例。首先，一个简单的果篮：

<document diff="=" revision="1">
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Oranges</text>
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Cherries</text>
  <text diff="=" revision="1">Apples</text>
</document>

苹果
橘子
苹果
樱桃
苹果

现在，让我们修改第二个“苹果”项：

苹果
橘子
香蕉+1问得好。除了前瞻，我想不出其他解决方法，但您可能会在diff算法文献中找到一些东西（检查）。您使用的算法是否基于该页面上描述的算法？如果没有，您可能想尝试这里描述的算法（Myers 1986）。它的设计似乎是为了在基于输入大小的限制范围内优化diff操作的数量

我尝试了Oxygen的XML diff程序（在去掉修订属性之后），但没有得到比您更好的结果，因此我怀疑这个解决方案是微不足道的。
事实证明，当时我的需求没有解决方案！同时，我开发了自己的XMLDiff例程，这是针对我的问题的，所以我最终找到了一个可行的解决方案

然后，在2011年末，这篇文章发表了：

达特茅斯计算机科学家介绍了grep和diff Unix命令行实用程序的变体，它们可以处理更复杂类型的数据。新程序称为上下文无关Grep和分层Diff，将提供解析数据块而不是单行的能力。这项研究部分由谷歌和美国能源部资助。
感谢+1，@LarsH。我已经在上面发布了我算法的摘要；它似乎与页面上列出的内容不同。我已经看了一眼迈尔斯的论文，同意它是“非常密集的阅读”。恐怕我没有“大约一个月的学习时间来完全理解”，所以我想我会尝试用一些前瞻性的东西来修补我的算法。
<document diff="*" revision="2">
  <text diff="=" revision="1">Apples</text>
  <text diff="+" revision="2">Oranges</text>
  <text diff="-" revision="2">Chxrries</text>
  <text diff="+" revision="2">Cherries</text>
  <sectio diff="*" revision="1"n name="Blue ones">
    <text diff="=" revision="1">Grapes</text>
    <section diff="=" revision="1" name="More">
      <text diff="=" revision="1">Blueberries</text>
    </section>
    <text diff="-" revision="2">Oranges</text>
  </section>
</document>

<document diff="=" revision="1">
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Oranges</text>
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Cherries</text>
  <text diff="=" revision="1">Apples</text>
</document>

<document>
  <text>Apples</text>
  <text>Oranges</text>
  <text>Bananas</text>   <--- I've only changed this
  <text>Cherries</text>
  <text>Apples</text>
  <text>Grapes</text>
</document>

<document diff="*" revision="2">
  <text diff="=" revision="1">Apples</text>
  <text diff="=" revision="1">Oranges</text>
  <text diff="+" revision="2">Bananas</text>   <--- Addition, okay
  <text diff="+" revision="2">Cherries</text>   <--- Incorrectly added
  <text diff="=" revision="1">Apples</text>   <--- Incorrectly matches the next occurrence
  <text diff="-" revision="2">Cherries</text>   <--- Incorrectly removed
  <text diff="-" revision="2">Apples</text>   <--- Incorrectly removed
  <text diff="=" revision="1">Grapes</text>   <--- Back on track, after the next occurrence of the changed element
</document>