是否可以使用统一差异来推断编辑距离？

Question

我有两个内容跨越多行的文件。我想找到编辑距离;即，假设只有插入和删除是可能的，将A转换为B需要多少次更改。

> cat > A                                 
A
B
C
D
E
> cat > B                                 
A
B
D
D
F
E
> diff -u A B                             
--- A   2015-05-12 16:09:31.000000000 +0200
+++ B   2015-05-12 16:09:42.000000000 +0200
@@ -1,5 +1,6 @@
 A
 B
-C
 D
+D
+F
 E

说+和-的总数给我编辑距离是否准确？

Answer 1

根据您对编辑距离的定义（类似于"Longest common subsequence problem"），您首先需要定义单个更改的内容。

• 一个角色？
• 一条线？
• 一个档案？

  

最常见的子序列问题是经典的计算机科学   问题，数据比较程序的基础，如diff   实用，并在生物信息学中有应用。它也很广泛   由诸如Git的修订控制系统用于协调多个   对修订控制的文件集合所做的更改。

假设您希望行定义更改（基于您的示例），那么是，使用+的{​​{1}}和-的总数命令就足够了。这是因为更新/替换将同时显示为删除（diff）和插入（-）。

另见http://en.wikipedia.org/wiki/Diff_utility#Unified_format