如何正确区分树（即嵌套的字符串列表）？答案

【问题标题】：How to correctly diff trees (that is, nested lists of strings)?如何正确区分树（即嵌套的字符串列表）？
【发布时间】：2013-10-15 20:49:11
【问题描述】：

我正在在线编辑器中处理由嵌套的字符串列表组成的数据类型。请注意，如果我要在每次更改单个值时传输整个结构，流量可能会变得难以忍受。所以，为了减少流量，我考虑过应用差异工具。问题是：如何找到并报告两棵树的差异？例如：

["ah","bh",["ha","he",["li","no","pz"],"ka",["kat","xe"]],"po","xi"] ->
["ah","bh",["ha","he",["li","no","pz"],"ka",["rag","xe"]],"po","xi"]

在那里，唯一的变化是树深处的"kat" -> "rag"。大多数 diff 工具都适用于平面列表、文件等，但不适用于树。我找不到有关该特定问题的任何文献。报告这种变化的最小方法是什么，找到它的有效算法是什么？

【问题讨论】：

您在寻找 XSLT 吗？
嗯，对不起？我不知道 XSLT 是什么意思，但如果它是关于 XML 的，那么就没有... 编辑：阅读它看起来很有趣的描述，也许是用于 JSON 的 XSLT？我现在就研究一下。
考虑在cs.stackexchange.com上问这些类型的问题。

【解决方案1】：

XML 是一种常用的树状数据结构，常用于描述需要监控随时间变化的结构化文档或其他分层对象。因此，最近关于树差异的大部分工作都是在 XML 的上下文中进行的，这一点也就不足为奇了。

这是 2006 年的一项调查，其中包含许多可能有用的链接：Change Detection in XML Trees

上面的一个更有趣的链接，伴随着一个名为 TreePatch 的开源实现，但现在似乎已经失效：Kyriakos Komvoteas' thesis

Daniel Ehrenberg 撰写的另一篇调查文章，其中包含更多参考资料。（那个来自http://cstheory.stackexchange.com上的question）

祝你好运。

【讨论】：

【解决方案2】：

查找两棵树之间的差异看起来有点像在树中搜索。您知道的唯一区别是您必须深入了解它们。您可以同时搜索两棵树，当您发现差异时，将一棵更改为另一棵（如果这是您的目标 - 最终得到相同的树，而不是每次都发送一棵）。

我在区分 2 棵树时发现的一些链接：

希望这些链接对您有用。 :)

【讨论】：

【解决方案3】：

您可以使用任何通用的 DIFF 算法，找到现成的库不是问题。
如果您可以使用 ZLIB 库，我可以建议另一种解决方案。通过一些技巧，可以使用这个库在两个任意二进制文件之间发送非常压缩的差异，我们称它们为 A 和 B（以及差异 Bc）。

第一面：

我们首先使用特殊标志压缩块 A，强制 ZLib 处理和输出所有数据。但它不会重置压缩状态！当我们压缩块 B 时，压缩器已经知道 A 的子序列，并且会非常有效地压缩块 B（如果它们有很多共同点）。 Bc 是唯一要发送的数据。

第二面：

我们需要解压缩与压缩完全相同的块。这就是我们需要交流电的原因。

现在我们可以解压Ac-A（我们必须解压，因为我们是在另一边解压的，它有助于解压器学习块A的所有子序列），最后是Bc->B。

ZLib 的用法有点不寻常和棘手，但在这种情况下，Bc 不仅仅是压缩块 B，它实际上是压缩块 A 和 B 之间的差异。如果 ZLIB 字典的大小与块 A 的大小。对于巨大的数据块，它不会那么有效。

【讨论】：