- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在寻找用于比较两个文件的适当算法。由于一些额外的限制,我认为我可以比 diff
做得更好。
我有两个文本文件,每个文件都包含一个文件列表。它们是系统上所有文件在两个不同时间拍摄的快照。我想弄清楚两个快照之间添加或删除了哪些文件。
我可以使用 diff
来比较这些文件,但我不想这样做,因为:
diff
尝试将更改分组在一起,找出文件中的哪些 block 发生了更改。我只是在寻找已更改行的列表,这应该是一个比查找最长公共(public)子序列或类似问题简单得多的问题。
广义差异算法在运行时或空间上的复杂度为 O(mn)。我正在寻找时间上更像 O(m+n) 而空间上更像 O(1) 的东西。
这里是问题的限制条件:
文件列表在两个文件中的顺序相同。它们不一定按字母顺序排列,但它们的相对顺序相同。
大多数情况下,列表之间没有区别。如果有差异,通常只有少数新文件/删除文件。
我不需要将结果组合在一起,例如说“整个目录已被删除”或“第 100-200 行是新的”。我可以单独列出不同的每一行。
我认为这等同于拥有两个排序列表并试图找出这两个列表之间的差异的问题。问题是列表项不一定按字母顺序排序,因此您不知道一项是否比另一项“更大”。您只知道出现在两个列表中的文件的顺序相同。
为了它的值(value),我 previously posted这个问题关于 Ask Metafilter几年前。请允许我预先回应几个可能的答案。
答案:这个问题叫做Longest Common Subsequence .
回应:我试图避免最长的公共(public)子序列,因为简单的算法在 O(mn) 时间/空间内运行,而更好的算法则更复杂且更“启发式” ”。我的直觉告诉我,由于添加了约束,存在线性时间算法。
答案:按字母顺序对它们进行排序,然后进行比较。
响应:那将是 O(m log m+n log n),比 O(m+n) 更糟.
最佳答案
这不完全是 O(1)
内存,按更改次数顺序排列的内存要求,但它是 O(m+n)
运行时。
它本质上是一种缓冲流算法,在任何给定行都知道所有先前行的差异。
// Pseudo-code:
initialize HashMap<Line, SourceFile> changes = new empty HashMap
while (lines left in A and B) {
read in lineA from file A
read in lineB from file B
if (lineA.equals(lineB)) continue
if (changes.contains(lineA) && changes.get(lineA).SourceFile != A) {
changes.remove(lineA)
} else {
changes.add(lineA, A)
}
if (changes.contains(lineB) && changes.get(lineB).SourceFile != B) {
changes.remove(lineB)
} else {
changes.add(lineB, B)
}
}
for each (line in longerFile) {
if (changes.contains(line) && changes.get(line).SourceFile != longerFile) {
changes.remove(line)
} else {
changes.add(line, longerFile)
}
}
Lines in the HashMap from SourceFile == A have been removed
Lines in the HashMap from SourceFile == B have been added
这在很大程度上依赖于文件以相同的相对顺序列出的事实。否则,内存需求将远远大于更改次数。但是,由于该排序,该算法使用的内存不应超过 2 * numChanges。
关于algorithm - diff 可以在自己的游戏中被打败吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1020925/
我在一本书(Interview Question)中读到这个问题,想在这里详细讨论这个问题。请点亮它。 问题如下:- 隐私和匿名化 马萨诸塞州集团保险委员会早在 1990 年代中期就有一个绝妙的主意
我最近接受了一次面试,面试官给了我一些伪代码并提出了相关问题。不幸的是,由于准备不足,我无法回答他的问题。由于时间关系,我无法向他请教该问题的解决方案。如果有人可以指导我并帮助我理解问题,以便我可以改
这是我的代码 public int getDist(Node root, int value) { if (root == null && value !=0) return
就效率而言,Strassen 算法应该停止递归并应用乘法的最佳交叉点是多少? 我知道这与具体的实现和硬件密切相关,但对于一般情况应该有某种指南或某人的一些实验结果。 在网上搜索了一下,问了一些他们认为
我想学习一些关于分布式算法的知识,所以我正在寻找任何书籍推荐。我对理论书籍更感兴趣,因为实现只是个人喜好问题(我可能会使用 erlang(或 c#))。但另一方面,我不想对算法进行原始的数学分析。只是
我想知道你们中有多少人实现了计算机科学的“ classical algorithms ”,例如 Dijkstra's algorithm或现实世界中的数据结构(例如二叉搜索树),而不是学术项目? 当有
我正在解决旧编程竞赛中的一些示例问题。在这个问题中,我们得到了我们有多少调酒师以及他们知道哪些食谱的信息。制作每杯鸡尾酒需要 1 分钟,我们需要使用所有调酒师计算是否可以在 5 分钟内完成订单。 解决
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我开始学习 Nodejs,但我被困在中间的某个地方。我从 npm 安装了一个新库,它是 express -jwt ,它在运行后显示某种错误。附上代码和错误日志,请帮助我! const jwt = re
我有一个证书,其中签名算法显示“sha256rsa”,但指纹算法显示“sha1”。我的证书 SHA1/SHA2 的标识是什么? 谢谢! 最佳答案 TL;TR:签名和指纹是完全不同的东西。对于证书的强度
我目前在我的大学学习数据结构类(class),并且在之前的类(class)中做过一些算法分析,但这是我在之前的类(class)中遇到的最困难的部分。我们现在将在我的数据结构类(class)中学习算法分
有一个由 N 个 1x1 方格组成的区域,并且该区域的所有部分都是相连的(没有任何方格无法到达的方格)。 下面是一些面积的例子。 我想在这个区域中选择一些方块,并且两个相邻的方块不能一起选择(对角接触
我有一些多边形形状的点列表,我想将其包含在我页面上的 Google map 中。 我已经从原始数据中删除了尽可能多的不必要的多边形,现在我剩下大约 12 个,但它们非常详细以至于导致了问题。现在我的文
我目前正在实现 Marching Squares用于计算等高线曲线,我对此处提到的位移位的使用有疑问 Compose the 4 bits at the corners of the cell to
我正在尝试针对给定算法的约束满足问题实现此递归回溯函数: function BACKTRACKING-SEARCH(csp) returns solution/failure return R
是否有包含反函数的库? 作为项目的一部分,我目前正在研究测向算法。我正在使用巴特利特相关性。在 Bartlett 相关性中,我需要将已经是 3 次矩阵乘法(包括 Hermitian 转置)的分子除以作
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 关闭 8 年前。 Improve
问题的链接是UVA - 1394 : And There Was One . 朴素的算法是扫描整个数组并在每次迭代中标记第 k 个元素并在最后停止:这需要 O(n^2) 时间。 我搜索了一种替代算法并
COM 中创建 GUID 的函数 (CoCreateGUID) 使用“分散唯一性算法”,但我的问题是,它是什么? 谁能解释一下? 最佳答案 一种生成 ID 的方法,该 ID 具有一定的唯一性保证,而不
在做一个项目时我遇到了这个问题,我将在这个问题的实际领域之外重新措辞(我想我可以谈论烟花的口径和形状,但这会使理解更加复杂).我正在寻找一种(可能是近似的)算法来解决它。 我有 n 个不同大小的容器,
我是一名优秀的程序员,十分优秀!