如何计算修改的代码行数？

Question

我有一个程序计算两个程序的代码行数（不包括 cmets、大括号、空格等），然后比较它们。它将一个程序的所有行放在一个列表中，将另一个程序的行放在另一个列表中。然后它会删除两者之间相同的所有行。一个 List 是添加到程序 1 以获取程序 2 的所有行，另一个 List 是从程序 1 中删除的所有行以获取程序 2。

现在我需要一种方法来检测程序 1 中的多少行代码已被修改以获取程序 2。我找到了 Levenshtein 距离的算法，它似乎可以工作。我只需要将距离与字符串的长度进行比较即可获得百分比变化，并且我需要为阈值提供一个合适的值。

但是我的问题是：我怎么知道要比较哪两个字符串来比较 Levenshtein 距离？我最好的猜测是有一个嵌套的 for 循环，并为另一个程序中的每一行循环一次程序，以将每一行与其他每一行进行比较，以寻找满足我的差异阈值的距离。但是，这似乎非常低效。有没有其他方法可以做到这一点？

我应该添加这是针对软件工程课程的。这在技术上是家庭作业，但我们可以使用我们需要的任何资源。虽然我只是在寻找一种算法，但我会告诉你我正在使用 C#。

Answer 1

如果您允许随机排列行，您如何计算更改？即使您比较所有行并找到完全匹配，也不是所有打乱的行都可能产生相同的功能。

如果你比较

var random = new Random();
for (int i = 0; i < 9; i++) {
  int randomNumber = random.Next(1, 50);
} 

到

for (int i = 0; i < 9; i++) {
  var random = new Random();
  int randomNumber = random.Next(1, 50);
} 

您有四行未更改 行代码，但第二个版本可能会产生不同的结果。代码中肯定有变化，但如果您允许改组，则逐行比较不会检测到它。

这是禁止改组的一个很好的理由，实际上将第一个代码中的第 1 行标记为已删除，将第二个代码中的第 2 行标记为添加，即使删除的行和添加的行完全相同。

一旦你决定了线条不能被洗牌，我想你可以很容易地弄清楚如何匹配你的线条进行比较。

要逐步浏览这两个来源并比较您可能想要查找平衡线算法的线（例如http://www.isqa.unomaha.edu/haworth/isqa3300/fs006.htm）

Answer 2

如果您建议将代码行打乱（可以更改它们的顺序），那么您需要将第一个程序的所有行与第二个程序的所有行进行比较，不包括未更改的行。

您可以简化您的任务，建议行不能被打乱。它们只能插入、删除或更改。根据我的经验，大多数比较文本文件的程序都是这样工作的