linux的diff工具原理之Myers算法

前言

最近在看一些软件演化相关的论文，当然，对于这个领域我是第一次接触的，非常多的东西不懂得，所以只有顺着论文开始一点点向下的学会其中的东西。

我看的是ICSE2021的论文，名为《A Differential Testing Approach for Evaluating
Abstract Syntax Tree Mapping Algorithms》，不过再看完之后，我产生了比较多的问题的，我虽然学过编译原理，但是我还是第一次知道一个代码AST居然不是唯一的，并且根据不同的算法生成的AST居然有优劣之分，这让我非常的好奇。

不过，在我写这篇文章之前，这个好奇并还没有被我解决的，因为在看ICSE2021这篇文章的时候，我发现我并不清楚论文中所比对的三个算法：GumTree、MJDiff和IJM(Iterative Java Matcher)

所以我找到了论文引用的对于这三个算法的原论文进行阅读，这一篇就是在阅读GumTree的时候所需要了解的一个算法。

GumTree算法的原论文名称《Fine-grained and Accurate Source Code Differencing》。

而GumTree和Myers算法有什么关系呢？两者都是一种diff算法，也就是对于软件演化计算出编辑脚本(edit script)的一个算法（diff 就是目标文本和源文本之间的区别，也就是将源文本变成目标文本所需要的操作。），只不过Myers应该算是最基础的一个算法了，而GumTree应该是加入了树形结构相关的东西。

而且我在查阅学习Myers算法的时候，意外的发现了，Myers算法也是Linux常用diff工具的原理（git的diff原理也是这个。）

那么接下来就是对Myers算法的介绍了。

diff

上面也说了diff 就是目标文本和源文本之间的区别，也就是将源文本变成目标文本所需要的操作。

如果用过diff工具的人应该会比较了解，在github中对于新增加的行在GUI中会用对该行标绿并打上一个+号，对于删减行会对该行标红并且打上一个-号。

看上去功能好像挺简单的样子，但是实际上要实现这一个功能是一个非常复杂的问题。

比如：源文本为 ABCABBA，目标文本为 CBABAC，他们之间的 diff 其实有无穷多种（我们以字符为单位，一般情况下是以行为单位）。

上面三种都是有效的diff，但是给人的感官不一致，切确的来说第一种给人的感觉是最良好的，给人的感觉最为直观。

“直观”其实是一个非常主观的定义，不过要满足这个条件我们其实可以猜到的：

• 删除后新增，比新增后删除要好
• 当修改一块代码时，整块的