ptp*_*son 7 html algorithm diff vba access-vba
使用MS Access 2010和VBA(叹息..)
我正在尝试实现一个专门的Diff函数,它能够根据更改的内容以不同的方式输出更改列表.我需要能够生成一个简明的更改列表,以便为我们的记录提交.
我想使用诸如html标签之类的东西,<span class="references">These are references 1, 6</span>以便我可以使用代码查看更改并自定义更改文本的输出方式.或其他任何东西来完成我的任务.
我认为这是一种提供自定义输出的可扩展方式的方法,并可能将事物移动到更强大的平台并实际使用html/css.
有谁知道一个类似的项目可能能指出我正确的方向？
我有一个访问数据库,其中包含工作操作指令表 - 通常是200-300个操作,其中许多操作从一个修订版更改为另一个修订版.我目前已经实现了一个迭代表的函数,查找已更改的指令并进行比较.
请注意,每个操作指令通常是几个句子,最后有几行,带有一些文档引用.
我的算法基于"An O(ND)差分算法及其变化",效果很好.
Access支持"Rich"文本,这只是美化简单的html,因此我可以轻松生成带有格式化添加和删除的全文,即添加标签<font color = "red"><strong><i>This text has been removed</i></strong></font>.Diff过程的主要输出是操作的全文,其中包括彼此内联的未更改,已删除和插入的文本.diff过程添加<del>和<ins>标签稍后将替换为格式化文本(结果类似于堆栈交换编辑的更改视图).
但是,就像我说的,我需要以人类可读格式列出的更改.事实证明这很困难,因为许多变化产生了模糊性.
例如:如果某种化学品从"A类"变为"C类",则容易生成的更改文本是"将'A'更改为'C'",这对于审核该类型的人来说并不是非常有用.变化.更常见的是文档参考结尾:将SOP 3添加到列表中,例如"SOP 1,2,3",生成文本"添加'3'".显然也没用.
最有用的是指定为"SOP"文本的文本的自定义输出,以便输出为"添加对SOP 3的引用".
将单词组合在一起,例如将诸如"SOP 1,2,3"的文本作为一个标记来进行比较.这将生成文本"将'SOP 1,2'改为'SOP 1,2,3'.当存在大型列表并且您试图确定实际更改的内容时,这会变得混乱.
我现在正在尝试在运行diff算法之前添加额外的html标签.例如,我将通过"预处理器"运行文本,将"SOP 1,2"转换为SOP 1,2
一旦Diff过程返回完整的更改文本,我会浏览它,注意文本的当前"类",当有一个<del>或<ins>我捕获标记之间的文本并使用SELECT CASE类上的块来解决每个更改.
这实际上在大多数情况下都可以正常工作,但是我必须解决许多问题,例如添加Diff决定最短路径是删除某些开放标记并插入其他开放标记.这会创建一个场景,即有两个<span>标签,但只有一个</span>标签.
我正在寻找建议,要么继续我已经开始的方向,要么在投入更多时间进入次优解决方案之前尝试不同的方法.
在此先感谢所有人.
典型运行的时间大约是1.5到2.5秒,我尝试了更多花哨的东西和一堆debug.prints.因此,通过一两个额外的通行证不会是杀手.
尝试考虑 Prolog 风格的重写规则，将您的指令转换为规范形式，从而使 diff 算法产生您需要的内容。您指定的问题将通过以下规则解决：
SOP i1, i2, ... iN -> SOP j1, SOP j2, ... SOP jN where j = sorted(i)
换句话说，将 SOP“分布”到以下整数的排序列表上。这将欺骗 diff 算法给出完全合格的变更报告“Add SOP 3”。
通过在输入中搜索左侧的匹配项并替换为相应的右侧来应用规则。
您可能已经这样做了，但是如果输入被标记化，您将获得更多常识性分析：“SOP”应该被视为 diff 算法的单个“字符”。如果空白很重要，则可以将其减少为空格和换行符，否则将被忽略。
您可以在字符级别执行另一种差异，以测试标记的“模糊”相等性，以解决匹配左侧时的印刷错误。“SIP”和“SOP”将被视为“匹配”，因为它们的编辑距离仅为 1（并且 I 和 O 在 QUERTY 键盘上仅相距一个键！）。
如果您考虑现在得到的输出中的所有怪癖，并且可以将每个怪癖作为重写规则进行纠正，该重写规则将输入转换为 diff 算法生成您需要的内容的形式，那么剩下的就是实现重写系统。以有效的通用方式执行此操作，以便更改和添加规则不会涉及大量的临时编码，这是一个困难的问题，但已经被研究过。有趣的是，@Ira Baxter 提到了 lisp，因为它非常适合作为此类事情的工具。
Ira 对语法树的建议很自然地属于重写规则方法。例如，假设 SOP 有部分和段落：
SOP 1 section 3, paras 2,1,3
是一个层次结构，应该重写为
SOP 1 section 3 para 1, SOP 1 section 3 para 2, SOP 1 section 3 para 3
重写规则
paras i1, i2, ... iN -> para j1, para j2, ... para jN where j = sorted(i)
section K para i1, ... para iN ->s section K para j1, ... section K para j1
SOP section K para i1, ... section K para i1 -> SOP section K para j1, ... SOP section K para j1
当应用三遍时，将产生类似“SOP 1 第 3 部分，第 4 段已添加”的结果。
虽然实现规则和重写的策略有很多，包括将每个策略编码为 VB 中的过程（呃……），但还有其他方法。Prolog 是尽可能普遍地做到这一点的一次伟大尝试。 有一个免费的实施。 还有其他的。我已经使用TXL完成了有用的重写。TXL 的唯一问题是它假设您对输入有相当严格的语法，但这听起来不像您的问题中的情况。
如果您在当前输出中发布更多怪癖示例，我可以跟进有关重写规则的更多详细信息。