獲取兩個文件的差異

在.NET中，我需要一種方法來比較兩個文件。我想到一個類，它代表一個差異：獲取兩個文件的差異

public enum DiffEntryState 
{ 
    New, 
    Removed, 
    Changed 
}  
public class DiffEntry 
{ 
    public byte[] Bytes; 
    public long FileOffset; 
    public DiffEntryState State = BackupByteEntryState.Changed; 
}

名稱應該是不言自明的。我想爲每個條目添加一個狀態，以便我可以區分第一個文件大於第二個文件的情況，反之亦然。

我想知道，如果有一個共同的和快速的方式來檢索兩個文件的逐字節的差異。我只是簡單地爲每個文件創建一個流，然後比較這些流的塊，直到結束。有沒有更好的方法，還是框架有一個內置的解決方案？請記住，我需要自己的差異，不僅僅是反饋意見有差異。

//編輯：

對這個問題每天睡後，我想我採取了錯誤的方式在這裏。整個工具是一個備份解決方案，它只能保存更改的字節，從而減少備份的整體必要空間。而不是每次保存一個壓縮的14 MB文件，只保存200k或更少的文件。

但是，在考慮了這個問題之後，我意識到僅僅保存每個字節的差異是不夠的。以文本爲例：

「這是一個字符串。」「這是一個字符串。」

事實上，這裏唯一的變化是「是」到「是」。但是我的方法會假定改變的內容現在「是一個字符串」。如果這發生在一個巨大文件的開頭，那麼這種方法是無用的。顯然，我需要一種方法來索引一個文件並檢測所有移動，複製或更改的塊與原始文件相比較。 P ...

來源

2012-02-11 Daniel Gilbert

你需要比較哪種文件？文本？圖片？ ... – 2012-02-11 13:34:59

這些文件可以是任何形式，這就是爲什麼我採取字節的方法... – 2012-02-11 14:32:50

在這種情況下，你可以定義什麼'新'，''刪除'和'改變'意味着例如在圖像文件？或者在'.doc'文件中？這些概念在一般情況下很難理解。 – 2012-02-11 14:37:58

看一看Diff.NET，可能會對您有幫助。

來源

2012-02-11 13:37:05 aleroot

沒有內置功能。

所以你必須逐字節比較文件或使用一個庫來爲你做這個。

來源

2012-02-11 13:36:05

對於一般情況二進制差分，請看Randal C. Burns和Darrell D. E. Long的A Linear Time, Constant Space Differencing Algorithm。此外，Randal Burns的碩士論文Differential Compression: A Generalized Solution For Binary Files進一步詳細介紹了該算法的僞代碼。

你也可能有About Remote Differential Compression得到一些有益的思路和Optimizing File Replication over Limited-Bandwidth Networks using Remote Differential Compression

對於文本文件差別，我建議先從An O(ND) Difference Algorithm and Its Variations尤金·W·邁爾斯。這個算法可以用來區分任何兩個序列。爲了比較兩個文本文件，爲每個文件中的每一行生成哈希代碼序列（例如，通過調用string.GetHashCode（））。然後通過Myers的算法運行這些序列（例如IList）以找到將第一序列轉換爲第二序列的最短編輯腳本（即，插入和刪除）。

我希望這會有所幫助。我是Diff.Net的作者，它使用伯恩斯二進制差異算法和邁爾斯算法進行文本差異化。 Diff的源代碼。Net的庫（Menees.Diffs和Menees.Diffs.Controls）在Apache許可證2.0版下提供，上面的參考文獻應該可以幫助您實現自己的解決方案，而無需從頭開始。

來源

2013-05-20 00:09:44

獲取兩個文件的差異

回答

相關問題