Google diff-match-patch源代码解析：听说比GNU diff-patch更厉害？（一）

前言

GUN diff 与 Google diff-match-patch的区别

最近研究了google工程师开发的计算文本之间差异值的diff算法。该算法可以计算出不同文本之间的差异值并且生成patch文件来体现文本之间的差异。
GNU diff对于diff的计算是基于行的，也就是说如果使用GUN diff来计算两段文本之间的差异，两段文本的某一行绝大多数内容都相同，但是行内的某些字符有轻微的不同之处，那么GUN diff就会直接将其判定为冲突。比如：

第一行：
Google diff-match-patch源代码解析

第二行：
Google diff-patch源代码解析

那么使用GUN diff计算的结果就是：
< Google diff-match-patch源代码解析
---
> Google diff-patch源代码解析

而且使用GUN diff，如果两个文本同时修改了同一行，那么很容易引起冲突；冲突之后会将冲突结果存放入一个文件之中。如果使用基于GUN diff的merge方法，那么会将冲突结果直接写入合并后的文本之中。形如：

<<<<<<< 1.txt
Google diff-match-patch源代码解析=======
Google diff-patch源代码解析>>>>>>> 2.txt

而Google diff-match-patch的优势之处在于，它没有GUN diff这么死板。 Google diff-match-patch的算法是基于字符的，也就是说尽管一行之内有不同，但是Google的算法还是能找到行内的不同之处和相同之处。
还是上面那个例子，如果使用Google diff算法就会出现下面的结果：

最奇妙的是，Google diff算法还可以根据用户不同的需要进行定制化的diff操作，包括但不限于：

• 语义化优先的diff计算
• 效率优先的diff计算（可以设置diff单元的最小粒度）
• 设置ddl时间的diff计算（在n秒内完成diff计算操作）

如果想体验google diff-match-patch算法，这里提供了一个基于JS实现的在线demo。
另外该算法是开源的，具有多种语言的实现版本（包括但不限于：Java、JS、Python），git仓库在这里。

注释

这篇文章准备分几个部分来写，根据目前的构思，想分为三个部分完成这一篇博文：

1. diff_match_patch的diff算法是如何实现的？
2. diff_match_patch如何对生成的diff进行语义上的优化？
3. 如何进一步优化diff_match_patch，以支持对富文本（标签文本）的diff计算？

这是第一篇博文，分析diff_match_patch的diff算法。

diff算法实现——如何定义一系列操作，来将字符串A转换为字符串B？

操作的定义

或许有人记得动态规划算法的教学题——编辑距离。如果想把字符串A转换为字符串B，那么最少需要多少步的操作？
很遗憾这里使用的似乎并不是动态规划算法；但是这两个问题之间有一个很重要的共同点：对于操作的定义。字符串的修改，无非“插入字符”、“删除字符”、“修改字符”。而为了简化操作的种类，“修改字符”可以用“删除字符”和“修改字符”的组合来完成。比如A字符串为aaa，B字符串为aab，从A到B的转换可以是：

• 将A字符串的最后一位替换为b
• 将A字符串的最后一位删除；在A字符串的最后一位添加字符`b``

那么Google diff-match-patch算法中是怎么定义操作的呢？

  /**
   * 将操作分为三种枚举类型：Delete，Insert，Equal
   */
  public enum Operation {
   
    DELETE, INSERT, EQUAL
  }

  public static class Diff {
   
    /**
     * INSERT, DELETE , EQUAL.这三种枚举操作类型中的一种
     */
    public Operation operation;
    /**
     * 操作的文本内容
     */
    public String text;

	... ...
}

这里定义的三种操作：INSERT， DELETE， EQUAL对应的三种Diff情形，举个例子：
比如，文本AHelloworld 到文本BGoodbyeworld的转换就可以定义为三个Diff：

1. Diff(Operation.DELETE, “Hello”): delete “Hello” //删除Hello文本
2. Diff(Operation.INSERT, “Goodbye”): add “Goodbye” //增添Goodbye文本
3. Diff(Operation.EQUAL, " world."): keep " world." //保持原有的world不变

定义完了操作，基于这个操作集，任意（String A，String B）的转换经过计算，都可以转换为一系列Diff的组合——LinkedList<Diff>：哪里删除了，哪里增加了，哪里没有变。

Diff的计算

其实整个Google diff-match-patch的源代码带上注释有大约2500行（Java实现版本）。但是真正“单纯”的计算Diff的代码只有不到300行。剩下的很多代码其实都是用于后续Diff类转化为文本服务的——为了应对客户对于导出Diff定制化的需求：有的想快速把Diff导出，有的想基于语义导出Diff等等。

这里的导出Diff指的是，将计算出LinkedList<Diff>的重新生成为用户易于理解的Diff文本。

首先，整个进行Diff计算的入口（一上来就利用多态进行两次跳转，如果不进行特殊的参数配置则默认使用下面代码框中的第三段代码）：

  public LinkedList<Diff> diff_main(String text1, String text2) {
   
    return diff_main(text1, text2, true); // 这里的true暂时可以忽略（跟本篇的关系不大），绝大多数情况下可以直接置为True。
  }


  public LinkedList<Diff> diff_main(String text1, String text2, boolean checklines) {
   
    ......
    return diff_main(text1, text2, checklines, deadline);
  }

  /**
   * 计算两个文本之间的Diff。 通过给相似的文本“掐