如何获取两次提交之间的编辑距离？

Question

我正在寻找一种方法来计算任意两个提交内容之间的良好编辑距离。

我发现的最好的方法是从输出中得出一些东西

git diff <commit-ish> <commit-ish> --numstat

...但是我使用这种方法所能想到的任何东西都将是编辑距离的一个非常粗略的代理。

有更好的吗？

Answer 1

我认为你最好的选择是使用外部工具来计算 Levenshtein 距离。例如Perl的Text::Levenshtein模块。

例如，有点粗俗：

#!/bin/sh

COMMIT_ONE=$1
COMMIT_TWO=$2

FILES_AFFECTED=$(git diff $COMMIT_ONE $COMMIT_TWO --numstat | awk '{ print $3 }')

TOTAL_LEV_DIST=0
for FILE in $FILES_AFFECTED; do

    CONTENTS_ONE=$(git show $COMMIT_ONE:$FILE)
    CONTENTS_TWO=$(git show $COMMIT_TWO:$FILE)

    LEV_DIST=$(perl -MText::Levenshtein -e 'my ($str1, $str2) = @ARGV; print Text::Levenshtein::distance($str1, $str2);' "$CONTENTS_ONE" "$CONTENTS_TWO")

    TOTAL_LEV_DIST=$(($TOTAL_LEV_DIST + $LEV_DIST))

done

echo $TOTAL_LEV_DIST

这似乎可以解决问题：

$ git diff HEAD HEAD~3 --numstat
0       5       Changes
1       3       dist.ini
$ ./lev_dist_git_commits.sh HEAD HEAD~3
230
$ ./lev_dist_git_commits.sh HEAD HEAD
0

注意：Text::Levenshtein::XS如果您有 C 编译器并且速度很重要，则可以安装以提高速度。在我的电脑上，时间从 1.5 秒减少到 0.05 秒。