文件比较的逻辑答案

【问题标题】：Logic for a file compare文件比较的逻辑
【发布时间】：2009-11-12 12:43:43
【问题描述】：

我试图编写一个用于文件比较的程序。例如：

文件1

文件2

如果我逐行执行，我会得到：

1 == 1; 
2 == 2;
3 != @;
4 != 3;
5 != 4;
  != 5;

但是，事实是文件之间的唯一区别是@。我想要这样的东西：

1 == 1;
2 == 2;
  != @;
3 == 3;
4 == 4;
5 == 5;

最好的方法是什么？无需使用任何外部应用程序，例如 diff、fc 等。

【问题讨论】：

标签： algorithm file comparison

【解决方案1】：

我想知道Levenshtein Distance 在这种情况下是否会帮助您。它会让您知道这两个文件有多相似，但我不知道您是否可以将 @ 归零。值得一看的东西。

【讨论】：

【解决方案2】：

Python 有一个非常方便的库用于比较序列，称为difflib。底层的 SequenceMatcher 类接受两个 python 序列，并为您（除其他外）提供一系列操作码，告诉您如何从第一个序列到第二个序列（即差异）。这些是以下形式：

用那个替换这个块
插入一个块
删除区块
复制一个块（称为“相等”）

这些参考块通过给原始序列提供索引。这可以应用于文件中的行或字符串中的字符或任何其他可以在 python 中转换为序列的内容。

【讨论】：

【解决方案3】：

我相信您正在寻找的是两个字符串之间的距离，也许this 可以帮助您。

【讨论】：

【解决方案4】：

如果您编写程序不是为了了解差异算法，而只是在寻找解决方案，您应该尝试diff-match-patch。它包含不同编程语言（cpp、c#、java、javascript、python）中差异和补丁算法的实现。

我尝试了它的 java 版本，它就像一个魅力。

【讨论】：

【解决方案5】：

有点过时了，我想 :) 但我看到这篇文章是因为我正在寻求解决同一问题的帮助：我有两个并排显示的文件，我必须标记那些没有的行'不匹配红色。

不过，我的情况有点特殊，因为 1) 顺序并不重要，并且 2) 保证每一行只出现一次（文本是逐行定义的许可证文件）。

事实证明，最简单的方法就是列出两个文件 ls1 和 ls2，然后执行以下操作（在伪代码中）：

i = 0;
while (i < ls1.count) {
    n = ls2.find(ls1[i]);
    if (n >= 0) {
        // found match in ls2
        ls1.Delete(i);
        ls2.Delete(n);
    } else
        i++;
}

说明，对于每一行都是ls1，看ls2中是否有对应的行。如果是这样，请删除两者。剩下的只是差异，您可以轻松地在原始文本中标记这些行。

非常简单，不包括库。就我的两分钱...

【讨论】：