Question

是否有任何已建立或现有的格式或约定来表示两个JSON文档之间的差异？

假设两个远程节点（或服务器/客户端）都有一些数据表示为潜在的复杂JSON，其结构在运行时之前是未知的。一个人希望向另一个发送更新，但不将整个状态作为一个大型JSON发送。相反，只是三角洲。什么是表示任何两个JSON文档之间的delta（或diff）的好方法？它们可能非常相似（一个小的变化），但可能不是。

Answer 1

JSON文档本质上是树，其中包含名称/值对。

您要做的是传输最小树增量：将一棵树转换为另一棵树的最小编辑集。

计算树的增量是一种艺术，部分原因在于它取决于你允许的增量种类（只需插入/删除叶子？交换子树？移动子树？重复子树？重命名名称？替换值？）。您还需要考虑语义等价;如果你通勤两个子树的位置，结果在语义上是不同的？（您的delta检测器可能会看到这样的树交换;语义身份检查可能会将其消除为不感兴趣）。如果你复制一个子树，答案在语义上是不同的？（我认为对于JSON来说，有效的答案是“不”）。

你需要像动态编程算法这样的东西来确定这样一个最小的delta;你可以从字符串Levenshtein distance获取灵感。

这是程序员对源代码感兴趣的常见问题。将JSON文档视为源代码，并在https://stackoverflow.com/q/5779160/120163查看答案以供进一步讨论。

Answer 2

正如艾拉指出的那样，Levenshtein有一些选择，但你会看到序列化你的对象并按字典顺序进行比较，正如Ira提到的那样，你不会考虑你所使用的特定于JSON的语言差异。寻找（两棵树可能是相同的JSON，但Levenshtein距离非常不同）。你想要的绝对是树编辑距离。

因此，为了在树编辑距离的艺术附近添加一些细节，在这个空间中使用的已知算法通常是Zhang＆amp;以Shasha或Klein为例，你可以找到Zhang＆amp;的python实现。杀杀。这些算法将获得将一棵树转换为另一棵树的最小编辑次数，从而提供差异。但是，它们在绝对最好的情况下有点慢O（n ^ 2），所以如果你要比较大量的JSON对象或文件，你会发现自己完善了你的高尔夫游戏，做菜，洗衣，给你的宠物洗澡等等。家庭混杂。

而这正是Ira所说的艺术真正的地方，因为这些算法难度大且计算成本高。所以你可能会做的是创造性。一种方法是缩小要比较的对象的数量。例如，为什么要计算两个JSON对象之间的编辑距离，这两个JSON对象明显更像是中间对象而不是彼此？不要通过词典比较来计算相同的对象的编辑距离。如果两个对象有些或显着不同，可能会忘记差异，只是说需要有一个完全替代。

为了应用树编辑距离的“艺术”，这可以节省你自己不必要的CPU周期，你需要的是一种提供“有些相似”或“显着不同”含义的指标。

为此，我编写了一个PQ-Gram树编辑距离近似算法（http://www.vldb2005.org/program/paper/wed/p301-augsten.pdf）的实现，您可以在github上找到该算法，以便在Node.js或浏览器（https://github.com/hoonto/jqgram.git）基于现有的PyGram Python代码（https://github.com/Sycondaman/PyGram）。

PQ-Gram比在O（n log n）时间和O（n）空间中运行的真编辑距离算法快得多，其中n是节点数。

因此，我的建议是使用jqgram快速了解您在JSON对象编辑距离指标方面所看到的内容。确定应该比较哪些JSON对象，而不仅仅是替换，然后当你想要真正的距离来获得差异时使用Klein或Zhang＆amp; Shasha得到了实际的差异。

这是jqgram JSON对象树编辑距离近似示例直接取自github上jqgram实现的README：

var jq = require("jqgram").jqgram;
var root1 = {
    "thelabel": "a",
    "thekids": [
        { "thelabel": "b",
        "thekids": [
            { "thelabel": "c" },
            { "thelabel": "d" }
        ]},
        { "thelabel": "e" },
        { "thelabel": "f" }
    ]
}

var root2 = {
    "name": "a",
    "kiddos": [
        { "name": "b",
        "kiddos": [
            { "name": "c" },
            { "name": "d" },
            { "name": "y" }
        ]},
        { "name": "e" },
        { "name": "x" }
    ]
}

jq.distance({
    root: root1,
    lfn: function(node){ return node.thelabel; },
    cfn: function(node){ return node.thekids; }
},{
    root: root2,
    lfn: function(node){ return node.name; },
    cfn: function(node){ return node.kiddos; }
},{ p:2, q:3, depth:10 },
function(result) {
    console.log(result.distance);
});

lfn和cfn参数指定每个JSON树应如何独立地确定每个树根的节点标签名称和子数组，以便您可以执行有趣的操作，例如比较来自不同源的JSON对象。您需要做的就是提供这些函数以及每个根，jqgram将完成其余的工作，调用您的lfn和cfn提供的函数来构建树。

两个JSON之间的区别是否有既定的表示？

2 个答案: