什么是以与版本页面上的SO相同的方式对两个字符串进行区分的算法？

Question

我试图逐个区分两个字符串，类似于StackOverflow在版本编辑页面上对两个字符串进行区分的方式。这样做的算法是什么？是否有宝石或其他标准库来实现这一目标？

编辑：我见过其他差异算法（Differ与Ruby），它们似乎导致以下结果：

>> o = 'now is the time when all good men.'
>> p = 'now some time the men time when all good men.'
>> Differ.diff_by_word(o,p).format_as(:html)
=> "now <del class=\"differ\">some</del><ins class=\"differ\">is</ins> 
   <del class=\"differ\">time </del>the <del class=\"differ\">men </del>time
   when all good men."

请注意单词基于每个单词的差异？我想通过短语进行更多区分，所以上面的代码输出：

=> "now <del class=\"differ\">some time the men</del><ins class=\"differ\">is
   the</ins> time when all good men."

我希望得到太多吗？

Answer 1

您正在寻找的算法是Longest Common Subsequence，它可以为您完成大部分工作。

大纲就是这样。

1. 按字词分组（输入，输出）
2. 计算输入/输出阵列上的LCS。
3. 遍历阵列并智能地连接区域。

例如，你说：

“你好世界这是一个考验”

与之相比：

“先生你好世界”

LCS的结果是

• “先生”+
• “你好”=
• “world”=
• “this” -
• “是” -
• “a” -
• “test” -

现在你在建立时撒上特制的酱汁。你加入了这个字符串，同时保持对前一个动作的注意。朴素算法只是连接相同动作的部分。

• “先生”+
• “你好世界”=
• “这是一个测试” -

最后你将它转换为html：

<ins>mister</ins> hello world <del>this is a test</del>  

当然，魔鬼的细节如下：

• 您需要考虑如何处理标记
• 你比较markdown还是html
• 是否存在UI停止有意义的边缘情况。
• 您是否需要特殊处理标点符号。