最好的基于（单词或字符）的差异算法是什么？答案

【问题标题】：What is the best (word or character)-based diff algorithm out there?最好的基于（单词或字符）的差异算法是什么？
【发布时间】：2013-12-28 06:42:47
【问题描述】：

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） .

这是我想要实现的示例：原文：

Hello there!

修改文本：

Helay scere?

差异：

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

有一种使用命令行工具（例如opendiff）的超级黑客方式来完成此操作，但它需要在每个字符之间添加一个换行符，因为 opendiff 是基于行的。

我正在使用 ruby，但还没有找到任何工具来执行此操作...但是语言并不是非常重要，因为算法可以很容易地移植。

谢谢。

【问题讨论】：

因为您提到了现有工具，所以我应该指出 wdiff（单词 diff）和 dwdiff（分隔单词 diff）unix 实用程序。我已经将一些 unix 实用程序与 bash 结合在一起，以将 dwdiff 转换为半图形工具here。源 cmets 显示了几种使用它的方法。

标签： ruby string algorithm merge diff

【解决方案1】：

您可能需要检查：http://en.wikipedia.org/wiki/Longest_common_subsequence_problem。实施起来并不难。

【讨论】：

【解决方案2】：

看看https://github.com/pvande/differ。这颗宝石可以满足您的需求

【讨论】：

【解决方案3】：

因此，您可以重复使用 LCS（如上链接）来查找所有常见字符串，并将它们从两个字符串中删除，用其他字符串替换它们 - 让我们说一个“*”。然后你同时遍历这两个字符串，并将共同的和不同的重新组合在一起。

例子

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","?"]

从这里你就可以进行简单的网格划分了。需要注意的关键是可能存在空条目，例如，如果您在“Hell”和“Hel”上执行此方法，您最终会得到 p>

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

meaning your result will be Hel[l]()

希望这是可以接受的。

【讨论】：

【解决方案4】：

这是一个可以区分字符串的红宝石：http://rubydoc.info/gems/diff-lcs/1.1.3/frames

之前，我只是（在 irb 中）

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

因此，由于这个 2D 差异数组的更改，编写插入、内联删除和插入标记的逻辑变得微不足道。

虽然我不确定这是否是最好的方法。

【讨论】：

【解决方案5】：

一个解决方案是找到字符串之间的编辑距离。

【讨论】：