我一直在看Paul Heckel's Diff Algorithm,我似乎没有完全理解它。在
我复制了Python代码中显示的步骤1-5,但是我无法使用算法的最后一步来显示差异。如果有人能解释Python的最后一步,我会很感激的。在
另外,我不完全理解为什么您需要引用第4步和第5步中的表行,所以对它的解释也会很神奇!在
非常感谢
以下是我当前的代码:
def find_diff(current_file_as_list, different_file_as_list):
N = current_file_as_list
O = different_file_as_list
table = {}
OA = []
NA = []
for i in O:
OA.append(i)
for i in N:
NA.append(i)
# First pass
i = 0
for line in N:
if not line in table:
table[line] = {}
table[line]["NC"] = 1
else:
if table[line]["NC"] == 1:
table[line]["NC"] = 2
else:
table[line]["NC"] = "many"
NA[i] = table[line]
i += 1
# second pass
j = 0
for line in O:
if not line in table:
table[line] = {}
table[line]["OC"] = 1
else:
if not "OC" in table[line]:
table[line]["OC"] = 1
elif table[line]["OC"] == 1:
table[line]["OC"] = 2
else:
table[line]["OC"] = "many"
table[line]["OLNO"] = j # Gets overwritten with multiple occurrences.
# Check to see if this is the intended implementation.
# Maybe only relevant for "OC" == "NC" == 1
OA[j] = table[line]
j += 1
# third pass
i = 0
for i in range(0, len(NA)):
# Check if they appear in both files
if "OC" in NA[i] and "NC" in NA[i]:
# Check if they appear exactly once
if NA[i]["OC"] == NA[i]["NC"] == 1:
olno = NA[i]["OLNO"]
NA[i], OA[olno] = olno, i
i += 1
# fourth pass
# ascending
for i in range(0, len(NA)):
for j in range(0 , len(OA)):
if NA[i] == OA[j] and i + 1 < len(NA) and j + 1 < len(OA) and NA[i + 1] == OA[j + 1]:
OA[j + 1] = table[O[i + 1]]
NA[i + 1] = table[N[j + 1]]
# fifth pass
# descending
for i in range(len(NA) - 1, 0, -1):
for j in range(len(OA) - 1, 0, -1):
if NA[i] == OA[j] and i - 1 > 0 and j - 1 > 0 and NA[i - 1] == OA[j - 1]:
OA[j - 1] = table[O[i - 1]]
NA[i - 1] = table[N[j - 1]]
# final step implementation should go here but I'm not sure how to approach it but this is my current attempt (which I am certain is wrong):
k = 0
array = []
for i in range(0, len(NA)):
if isinstance(NA[i], int):
array.append("= " + str(N[i]))
k = NA[i] + 1
elif isinstance(NA[i], dict):
array.append("+ " + N[i])
for j in range(k, len(OA)):
k = j + 1
print("j - " + str(j))
if not isinstance(OA[j], int):
array.append("- " + O[j])
else:
break
您可以传递任意两个字符串或字符串列表作为函数的输入,例如find_diff(“hello”,“hell”)
我不知道你在哪里找到这个解释和代码,但它有几个错误。Wikipedia中用于数据比较的一个页面是a reference to Paul's paper,这对理解算法非常有帮助。在
首先,据我所知,你最后一步的实现是正确的(假设前面的步骤是正确的)。在
让我们从一个语法/语言问题开始:也许我遗漏了一些东西,但是我不明白为什么您(以及您链接到的代码)在第三个过程中递增自递增索引
i
。在关于表项的计数器:在链接的代码中有一个带注释的问题-为什么我们需要2值?答案是-我们没有!在论文中,Heckel明确地写道,计数器只应该有0、1和many。您可以看到,我们从不使用或查询计数器的2值。我猜测这个错误来自于用一种比Heckel在编写算法时所想的更灵活的语言来实现算法,因为查询特定表项是否存在计数器等同于查询计数器的值是否为0。在
最后也是最重要的一点是,这一实施中的第四和第五关是错误的。在这里,我相信论文中通行证的措辞可能会令人困惑,不管是谁写的链接代码都弄错了。你的第二个问题已经揭示了这一点。第四个过程按升序排列在
NA
上,对于每个值指向OA
中的位置(这意味着在讨论的实现中它属于int
类型),我们检查两个数组中下一个位置的值是否指向同一个表条目。如果他们这样做,我们将用彼此的位置替换这些指针(用int
s覆盖指针。所以你的第二个问题是关于点的-我们在这里根本不使用表入口指针)。这样,我们就有了我们在第三个过程中发现的唯一的线,作为锚来找到紧随其后的未添加线,它们是它们的“块”的一部分,但在文件中不是唯一的。同样的情况发生在第五遍,但向后,所以在未更改的唯一行之前的相同行也将被归类为未更改的行。在下面是我描述的第四和第五关:
相关问题 更多 >
编程相关推荐