Java实现文本差分 diff 工具代码

工具类源码

https://github.com/Uetty/common-tool/blob/dev/src/main/java/com/uetty/common/tool/algorithm/diff/LCSDiff.java

使用

LCSDiff lcsDiff = new LCSDiff(str1, str2, new EnglishWordMetadataPicker()); // 元数据的定义：一个英文单词视为一个不可分割单元（元数据），英文字母外的其余字符，单个字符视为一个不可分割单元（元数据）
//        LCSDiff lcsDiff = new LCSDiff(str1, str2);    // 使用默认元数据采拣器的版本：单个char视为一个不可分割单元（元数据）
CommonInfo diff = lcsDiff.seekCommon();

CommonInfo：用于存储公共文本在两个字符串（str1和str2）中的位置
MetadataPicker：用于将字符串str1、str2处理为两组元数据组成的数组
元数据：表示在diff的过程中作为一个整体进行匹配的字符串，示例如下：

两个字符串str1和str2如下（为了方便演示，例子中选取的两个字符串都没有空格）
str1： 1+2=3one+two=three
str2： 11+2=13eleven+two=thirteen
定义他们由以下元数据组成（元数据间用空格分隔）
str1： 1 + 2 = 3 one + two = three
str2： 1 1 + 2 = 1 3 eleven + two = thirteen
那么匹配到的共同字符串将会是如下3个字符串：
1+2= 3 +two=
由于str1中的one和str2中的eleven都是元数据，所以one中的e字符和elevent中的e字符不能产生匹配
同理，由于str2中的数字13是由两个元数据1和3组成，所以13中的3能够与str1中等号后面的3产生匹配

元数据采拣器的选取非常重要，会影响diff效果的好坏，元数据采拣器的好坏以业务需求作为评定准则。此外，处理后元数据数组的长度将影响diff算法计算时占用的内存大小。

例如：
对代码进行diff这个业务逻辑，可以考虑用代码中的特殊符号如{、}、;、空白字符、换行符等代码语句分割符来生成元数据，进行第一次diff。然后再用更细粒度的元数据采拣器，对初次匹配中不一致的行内容再进行一次diff。类似于Idea中的文件比较功能的效果，使用换行符进行第一次匹配，完整行不匹配的，会用一个较浅的颜色标记该行存在差异，再在行内部使用细粒度的差分再次匹配，然后用较深的颜色标记高亮显示出行内部细节上存在差异的点，这样在降低内存占用率的同时，又能让文件的差异一目了然。