带有 diff-match-patch 库的奇怪字符答案

【问题标题】：Strange characters with diff-match-patch libraries带有 diff-match-patch 库的奇怪字符
【发布时间】：2017-02-20 10:55:21
【问题描述】：

我正在使用 diff-match-patch (https://code.google.com/archive/p/google-diff-match-patch/) 来获取两个文本之间的差异。在 diff 结束时，它们返回奇怪的字符：例如 à 变为 %C3%A0、ù %C3%B9、" %22 等等。

这是我的代码示例：

String startDocument = "hello world";
String endDocument = "àèìòù\"";
diff_match_patch dmp = new diff_match_patch();
dmp.Diff_Timeout = 16;
LinkedList<Diff> diffs = dmp.diff_main( startDocument, endDocument );
String diff = dmp.diff_toDelta(diffs);
System.out.println(diff);      //return: -11 +%C3%A0%C3%A8%C3%AC%C3%B2%C3%B9%22

如何找回原始字符？

【问题讨论】：

标签： java diff

【解决方案1】：

试试

javac -encoding utf8 DaClass.java

和

java -Dfile.encoding=utf8 DaClass

【讨论】：

类中操作的其他字符没有错，只有diff函数返回了这个奇怪的字符...

【解决方案2】：

这是预期的行为。

DiffMatchPatch 使用类似于 javascript 的特殊字符编码（来自 the project's wiki）：

2。编码字符

特殊字符使用 %xx 表示法编码。该组编码的字符匹配 JavaScript 的 encodeURI() 函数，但未编码的空格除外。

要对其进行解码，只需查看the code：

// decode would change all "+" to " "
param = param.replace("+", "%2B");
try {
    param = URLDecoder.decode(param, "UTF-8");
} catch (UnsupportedEncodingException e) {
    // Not likely on modern system.
    throw new Error("This system does not support UTF-8.", e);
} catch (IllegalArgumentException e) {
    // Malformed URI sequence.
    throw new IllegalArgumentException("Illegal escape in diff_fromDelta: " + param, e);
}
diffs.add(new Diff(Operation.INSERT, param));

实际上，您不需要解码相等或删除，因为它不包含它们的 delta 格式的文本。

如果您只是想显示差异，请查看 diff_prettyHtml 方法。

【讨论】：