从最长公共子序列打印 Diff答案

【问题标题】：printing Diff from Longest Common Subsequence从最长公共子序列打印 Diff
【发布时间】：2015-06-14 23:19:01
【问题描述】：

所以我一直在为 Perl 和 Python 做一些练习题（在两者之间进行选择），我遇到了一个问题，我需要像 Github 一样制作自己的差异算法。我已经知道最长公共子序列问题是解决方案的重要组成部分。我使用了wikipedia page for LCS 作为参考，但我仍然无法找出差异部分。

我也意识到 CPAN 上已经有像 Algorithm:Diff 这样的模块，但这主要是为了练习，那些感觉像是在作弊。

我找到了算法的 python/伪代码版本，但我打算用 Perl 似乎没有的多维数组来做。

现在我可以在 Perl 中成功获得最长公共子序列长度了。

基本上我能想到的伪代码（几乎类似于 python，但应该用于 Perl）是这样的：

function lengthOfLCS(string1, string2){
    if length(string1) == 0 or length(string2) == 0:
         return 0
    else if string1[0] eq string2[0]: 
         return 1+ lengthOfLCS(stringA[1:], stringB[1:])
    return max(lengthOfLCS(string1, string2[1:], lengthOfLCS(string1[1:], string2))

我还没有实现它，但我认为这基本上就是我可以计算两个字符串的 LCS 长度的方法吗？

输出明智，它应该针对“人类”和“黑猩猩”（LCS = HMAN）返回 4

所以我要问的是，从现在开始，我如何才能使用 Perl 打印 Diffs？我知道，我应该返回一个列表/数组，而不是只返回 LCS 的长度，这可以通过在 LCS 函数中返回一个多维列表，然后稍后在单独的 diff 函数中处理它来实现.

我对 Perl 有点陌生，所以任何指针/提示将不胜感激。谢谢。

【问题讨论】：

这是answered 维基百科的详细信息
CPAN 上还有 Algorithm::MLCS、Algorithm::Diff、Algorithm::LCS 和 Algorithm::NeedlemanWunsch。
您好，感谢您的建议。 @ikegami 实际上我确实参考了 wiki 页面，在这里忘记提及了。但是，我还是不明白 Diff 位，wikipedia 中解释的代码大多使用多维数组，而 Perl 没有？你能给我推荐一个 Perl 替代品吗？还有关于 CPAN，我主要是为了练习而不是为了实际使用（纯粹是教育），所以我不想使用这些。无论如何，谢谢，我可能会查看源代码以尝试找出它们。
它有数组（引用）数组。一样。 $a[5][7]

标签： python perl diff lcs

【解决方案1】：

您可以在 Perl 中使用我的 LCS 参考实现，它需要两个数组引用作为输入，并返回一个包含两个元素数组的数组，其中包含匹配元素的索引。

use LCS;
my $lcs = LCS->LCS( [qw(a b)], [qw(a b b)] );
# $lcs now contains an arrayref of matching positions
# same as
$lcs = [
  [ 0, 0 ],
  [ 1, 2 ]
];

LCS 使用传统算法并迭代读取 LCS（请参阅我在 wollmers-perl.blogspot.de 上的博客文章 Loopify Recursions），即不是递归的（大多数示例代码使用递归，在 Perl 中不能很好地扩展）。因此，如果您想从代码中学习，请查看 subs LCS() 和 _lcs()。

如果你想要差异，即编辑脚本，你可以从 LCS 数组中重建它。

lcs2align() 方法几乎可以做到这一点。

use Data::Dumper;
use LCS;
print Dumper(
  LCS->lcs2align(
    [qw(a   b)],
    [qw(a b b)],
    LCS->LCS([qw(a b)],[qw(a b b)])
  )
);
# prints
$VAR1 = [
          [
            'a',
            'a'
          ],
          [
            '',
            'b'
          ],
          [
            'b',
            'b'
          ]
];

sdiff() (see Algorithm::Diff) 格式的差异现在看起来像：

[
  [ 'u', 'a', 'a'  ],
  [ '+', '',  'b'  ],
  [ 'u', 'b', 'b'  ],
]

如何从对齐中获取编辑脚本应该很简单，留作练习。

如果您想要更快的实现，您可以使用 LCS::Tiny，或最快的纯 Perl 实现 LCS::BV，或用于更大规模的最快算法 Algorithm::Diff::XS（请参阅我的博客文章 Tuning Algorithm::Diff，网址为wollmers-perl.blogspot.de)

请记住，基于 LCS 的编辑脚本不会自动提供 SES（最短编辑脚本）。 LCS 基于只允许插入和删除（简单编辑距离）的编辑操作。 SES 算法通常最小化 Levenshtein 距离（插入、删除和不匹配）。

【讨论】：