文本差异应用程序如何工作？

Question

像DiffMerge这样的应用程序如何检测文本文件中的差异，以及它们如何确定行何时是新的，而不仅仅是在与要检查的文件不同的行上？

这是否相当容易实现？是否有图书馆可以做到这一点？

Answer 1

这是the paper，它是UNIX命令行工具 diff 的基础。

Answer 2

实际上很简单; DIFF程序 - 大部分时间 - 都基于Longest Common Sequence，可以使用图算法解决。

This web page给出了C＃中的示例实现。

Answer 3

这是一个复杂的问题。执行差异意味着找到两个文件之间的最小编辑距离。也就是说，将一个文件转换为另一个文件必须进行的最小更改次数。这相当于找到两个文件之间行的最长公共子序列，这是各种diff程序的基础。最常见的子序列问题是众所周知的，您应该能够在谷歌上找到动态编程解决方案。

动态编程方法的问题在于它是O（n ^ 2）。因此，对于大型文件来说速度非常慢，而对于大型二进制字符串则无法使用。编写差异程序的难点在于优化问题域的算法，以便获得合理的性能（以及合理的结果）。 Hunt和McIlroy撰写的“差分文件比较算法”一文很好地描述了Unix diff实用程序的早期版本。

Answer 4

有图书馆。这是一个：http://code.google.com/p/google-diff-match-patch/

StackOverflow使用Beyond Compare作为其差异。我相信它可以通过从命令行调用Beyond Compare来实现。