19

ほぼ同じ長さの2つのフリーテキスト文字列を一致させる必要があります。つまり、可能な限り、インデックス間の対応を見つけることです。

これはフリーテキストであるため、コード差分のように行ベースで比較することはできません。

Javaライブラリに関する提案はありますか？

簡単な例（もちろん、実際には、物事を並べるための余分な空白はなく、句全体が移動するなど、より複雑な課題が存在する可能性があります。）

The quick brown  fox jumped over the  lazy     dog.
||||||||||      |||||||||||||||||||||         |||||
The quick yellow fox jumped over the well-bred dog.
4

4 に答える 4

17

これは良いDiff Match Patchかもしれません。

于 2009-01-26T13:01:56.253 に答える
8

正確な要件によっては、 Apache Commons LangStringUtilsコンポーネントのクラスが役立つ場合があります。たとえば、次のようになります。

于 2009-01-26T13:03:19.867 に答える
1

これは、あなたが求めたことを実行する（軽くテストされた）バージョンのコードです。入力と並行して結果を簡単にトラバースして、挿入と削除を見つけることができます。

public class StringDiff {

    private static int   length(String s) { return s == null ? 0 : s.length(); }
    private static char[] chars(String s) { return s == null ? new char[0] : s.toCharArray(); }

    private final String left;
    private final String right;

    private final char[] lccs;
    private final String lcs;

    public StringDiff(String left, String right) {
        this.left = left;
        this.right = right;
        lccs = init();
        lcs = new String(lccs);
    }

    public String getLcs()  { return lcs; }
    public char[] getLccs() { return lccs.clone(); }

    private char[] init() {
        int lLength = length(left);
        int rLength = length(right);
        char[] lChars = chars(left);
        char[] rChars = chars(right);
        int [][] t = new int [lLength + 1][rLength + 1];
        for (int i = lLength - 1; i >= 0; --i) {
            for (int j = rLength - 1; j >= 0; --j) {
                if (lChars[i] == rChars[j]) {
                    t[i][j] = t[i + 1][j + 1] + 1;
                } else {
                    t[i][j] = Math.max(t[i + 1][j], t[i][j + 1]);
                }
            }
        }
        char[] result = new char[t[0][0]];
        int l = 0, r = 0, p = 0;
        while (l < lLength && r < rLength) {
            if (lChars[l] == rChars[r]) {
                result[p++] = lChars[l++];
                r++;
            } else {
                if (t[l + 1][r] > t[l][r + 1]) {
                    ++l;
                } else {
                    ++r;
                }
            }
        }
        return result;
    }

}

それによると、元の入力の実際の最長のサブシーケンス:

The quick brown  fox jumped over the  lazy     dog.
The quick yellow fox jumped over the well-bred dog.

は：

The quick ow fox jumped over the l dog.

（「茶色」と「黄色」は「わ」が共通しているためなど）

上記を (char 配列ではなく) 空白で分割するように変更し、== を String#equals に置き換えて、文字の代わりに単語の最長の共通サブシーケンスを見つけるバージョンを取得するのは比較的簡単です。上記の例では、その変更により明らかな結果が得られます。

found 7 words
    'The'
    'quick'
    'fox'
    'jumped'
    'over'
    'the'
    'dog.'

（単語間のスペースを一致させたため、質問は文字の比較を暗示していました。）

于 2009-01-26T13:17:09.637 に答える
0

例が本当にやりたいことである場合-つまり、サブシーケンスは同じインデックスで始まる場合にのみ一致します(これは、差分が通常動作する方法とは異なります)-これがあなたがする必要があるすべてです:

import java.util.*;

class StringDiff {
    public static List<int[]> from(String s1, String s2) {
        int start = -1;
        int pos = 0;
        LinkedList<int[]> list = new LinkedList<int[]>();

        for(; pos < s1.length() && pos < s2.length(); ++pos) {
            if(s1.charAt(pos) == s2.charAt(pos)) {
                if(start < 0) start = pos;
            }
            else {
                if(start >= 0) list.add(new int[] { start, pos });
                start = -1;
            }
        }

        if(start >= 0) list.add(new int[] { start, pos });

        return list;
    }

    public static void main(String[] args) {
        for(int[] idx : from(args[0], args[1]))
            System.out.println(args[0].substring(idx[0], idx[1]));
    }
}

実際の diff の実装は、はるかに洗練されたものになります。

于 2009-01-26T15:09:18.880 に答える