Question

我想实现word文档的不同，需要实现哪些算法？

Answer 1

嗯，一般来说，diff通常由Longest common subsequence problem解决。另请参阅Algorithm"上的维基百科文章的“Diff部分：

diff的操作基于   解决最长的共同子序列   问题

在这个问题上，你有两个   项目序列：
   a b c d f g h j q z

   a b c d e f g i j k r x y z
你想找到最长的存在的项目序列两个原始序列都在同一个订购。也就是说，你想要找到一个新的可以从中获得的序列删除一些序列的第一个序列项目，并从第二个序列删除其他项目。你也想要这个序列要长可能。在这种情况下，它是
   a b c d f g j z
从最长的共同后续序列这只是一小步差异输出：
   e   h i   q   k r x y 
   +   - +   -   + + + +

也就是说，这一切都适用于基于文本的文档。由于Word文档实际上是二进制格式，并且包含大量格式化信息和数据，因此这将更加复杂。理想情况下，您可以考虑自动化Word本身，因为它具有在文档之间“区分”的能力，如下所述：

Microsoft Word Tip: How to compare two documents for differences

Answer 2

差异基本上只是a solution的longest common sub-sequence problem。

最佳解决方案需要dynamic programming的知识，因此这是一个相当复杂的问题需要解决。

但是，也可以通过构造后缀树来完成。两种算法都概述了here。

Answer 3

请参阅An O(ND) Difference Algorithm for C#。

Answer 4

正如Ben S所指出的，差异问题通常可以通过解决最长的常见子序列问题来解决。更具体地说，Hunt-McIlroy algorithm是已经应用于该问题的经典算法之一（例如在Unix'diff实用程序的实现中）。

Answer 5

lcs的最优化解决方案是O(ND) Myer 's algorithm，这是我用来实现diff office 2007文档的算法方法。 Link to algorithm paper

文档差异算法如何工作？

5 个答案: