什么是最好的（基于单词或字符）的差异算法呢？

Question

所以，我希望能够在每个单词的基础上找到两个字符串之间的差异（可能比每个字符更快，但是，如果每个字符更快，那么我想这样做）

这是我想要实现的一个例子： 来源文字：

Hello there!

修改后的文字：

Helay scere?

DIFF：

Hel[lo](ay) [th](sc)ere[!](?)

• 括号内的文字是删除的内容，括号内的文字是添加的内容

使用命令行工具（例如opendiff）有一种超级hackish方式来执行此操作，但它需要在每个字符之间使用换行符，因为opendiff是基于行的。

我正在使用ruby，并且没有找到任何工具来执行此操作......但语言并不是非常重要，因为算法可以非常轻松地移植。

感谢。

Answer 1

这是一个红宝石宝石，它会对琴弦进行差异化：http://rubydoc.info/gems/diff-lcs/1.1.3/frames

在此之前，我刚刚做过（在irb中）

require 'rubygems'
require 'diff/lcs'
require 'diff/lcs/array'
require 'diff/lcs/string'

因此，编写插入，内联删除和插入标记的逻辑变得微不足道，这要归功于2D diff变化数组。

虽然我不确定这是否是最佳方式。

Answer 2

您可能需要查看此内容：http://en.wikipedia.org/wiki/Longest_common_subsequence_problem。实施起来并不难。

Answer 3

所以你可以重复使用LCS（如上所述）查找所有常用字符串，并从字符串中删除它们，用其他字符串替换它们 - 让我们只说一个“*”。然后，您同时迭代两个字符串，并将公共和不同的背面重新网格化。

实施例

A) Hello there!
B) Helay scere?

LCS detection gives us ["Hel"," ","ere"], and after replacement we have
A) *lo*th*!
B) *ay*sc*?

Now you split on the delimiter ("*") giving you
A) ["lo","th","!"]
B) ["ay","sc","?"]

从这里你只需要进行简单的网格划分。需要注意的一点是，可能存在空条目，例如，如果您在“地狱”和“Hel”上执行此方法，您最终将获得

Common LCS) ["Hel"]
A) ["l"]
B) [""]

meaning your result will be Hel[l]() 

希望这是可以接受的。

Answer 4

了解https://github.com/pvande/differ。这个宝石做你想要的

Answer 5

解决方案是找到字符串之间的编辑距离。