使用逐字逐句的差异比逐行差异进行git自动合并(无冲突)。

Question

我想自动合并那些每一次提交都改变同一行不同单词的提交记录。目的是将git用作文档存储，并以编程方式访问它（因此，理想情况下无需解决冲突）。在我的用例中，我可以确定更改不会重叠（它们不会影响相同的单词，尽管它们在相同的行上）。 git-diff不仅可以按行显示两个提交之间的差异，还可以按单词或字符显示差异。例如：

$ git diff --word-diff-regex=. HEAD HEAD~

如果git-diff能够识别更改的单词（而不是整行），我相信我可以让git-merge基于单词（或字符）检测冲突。但我错了。据我所知（来源），在深层次上，git-diff工具操作的是行，单词或字符差异功能已经使用这些由git返回的基于行的结果进行操作。

在这个答案中，建议使用“clean”和“smudge”过滤器，以便将每个单词存储在快照的单独行中。然而，那对我来说似乎太过hacky。

您会选择哪种方法？

- Adam Libuša

Answer 1

你需要做的是修改合并代码，使Git按照你的意愿工作。理论上来说，这并不太难。但实际上，我不确定会有多困难。

在另一个答案中，我提到了xdelta。更准确地说，Git使用了经过修改的xdelta和libxdiff的版本。Git源代码将大部分此类代码放在子目录中。在上一级目录中，你会找到更多与该库一起工作的代码片段，例如xdiff-interface.c。

如果您修改了这些内容，让xdiff代码将“单词”（被任何空格分隔的）而不是“行”作为Myers、patience和histogram算法的独立符号处理，并相应地修改调用代码，那么您就可以让Git基于单词而不是行进行合并。（Git现在添加了一个“锚点”东西，您可能需要对此进行一些操作；我还没有看过它是如何工作的。）您还需要选择如何插入任何冲突标记-大概是在这些由空格分隔的单词周围。

这些算法本身关注匹配（或未能匹配）两个不同输入中的符号。不幸的是，在libxdiff中，这些符号总是行。标准（非Git修改的）libxdiff接口在这里有文档记录，接口本身以整个文件为中心，libxdiff代码会进行自己的换行。

在修改后的xdiff内部，Git似乎会将每行分配给一个“记录”，以便比较的符号是逐个记录比较的。如果你将每个由空格分隔的单词分配给一个记录，那么你大多数情况下都能得到你想要的结果，忽略实际记录之间的任何实际空格。也就是说，在xdl_hash_record中，你所要做的是在任何空格处停止，而不是在换行符处停止，然后在查找“下一个”记录时丢弃此行和下一行之间的额外空格，以构建记录本身。调用这个改变过的diff的代码可能必须更改，因为它可能假设“记录号”意味着“行号”（这对我来说不是很清楚）。

（如果您在每个记录中包含前导或尾随空格，并且仅将比较函数 - 在同一文件中 - 表示符号匹配，如果不包括它们的空格，则可能会更好。请注意， 也应该哈希减去空格的符号：差异引擎要求哈希匹配如果符号匹配，并且出于性能考虑，希望哈希在符号不同的情况下不同。本质上，测试是这样的：如果H1 == H2并且recmatch(S1，S2)表示它们匹配，则符号S1和S2的哈希值为H1和H2。H1==H2测试消除了许多子例程调用，使符号显然不同时缓慢的“比较”，但对于哈希匹配的符号，需要调用来验证它们是否真的相同。）

主要的Myers算法本身的时间复杂度为O(ND)，其中N是符号数量，D是两个输入集之间的差异数量，即最终编辑脚本的长度。当符号为行时，1000行文件有1000个符号；当符号为单词时，1000行文件可能有30000个符号。因此，这会慢一些，但至少通常是线性的慢。直方图和耐心算法是Myers的修改版，应该在时间上表现类似，但我还没有真正研究过它们。

- torek