使用C#比较两个文本文件并生成一个包含差异的新文件

Question

我正在寻找一种最佳方法来快速比较两个文本文件（大约15000行），并获取输出字符串，这些字符串在两个文件中不同。 第一个文件是旧清单，第二个文件是当前清单，我想生成一个第三个文件，其中包含在file2和file1之间不同的字符串。 （95％的两个文件将是相似的）。

- OwenS

---

你能描述一下在这种情况下“相似”是什么意思吗？你需要以编程的方式来完成，还是只是想要一个类似于 WinMerge 的工具来进行比较差异？ - vgru

它将主要按照相同的顺序，但可能会缺少某些项目，目标是通过编程实现，谢谢。 - OwenS

Answer 1

非常简单的方法，假设相似意味着相等：

var file1Lines = File.ReadLines(file1Path);
var file2Lines = File.ReadLines(file2Path);
IEnumerable<String> inFirstNotInSecond = file1Lines.Except(file2Lines);
IEnumerable<String> inSecondNotInFirst = file2Lines.Except(file1Lines);

您可以使用 foreach 枚举每一行。

- Tim Schmelter

---

如果OP的假设被证明是正确的，我会点赞。 - Hardrada

注意，您需要通过ToList()等方式将查询实例化，或者使用File.ReadAllLines来避免在同时使用两个序列时出现ObjectDisposedException。File.ReadLines会流式读取行，并在完成后关闭底层流。我仍然展示了ReadLines，因为它在内存消耗方面是最佳选择。 - Tim Schmelter

ReadLines和ReadAllLines之间没有性能差异吗？如果对于一个15000行的文件没有差异，那我会使用ReadAllLines。谢谢。 - OwenS

@OwenS: ReadLines会像Streamreader一样逐行流式传输，而ReadAllLines会将所有行读入内存中的String[]。因此，第一个不会使用内存，而第二个将所有内容都放入内存中。如果您拥有足够的内存且文件不太大，则可以使用File.ReadAllLines。请注意，内存消耗和_性能_不一定相关。 - Tim Schmelter

我知道这是一个老问题，但是你如何处理大文件，例如1GB或更多？我尝试了这个答案，但最终遇到了内存不足异常，特别是在使用IEnumerable时。 - Angelo

Answer 2

你可以使用Google提供的diff库这个链接。查看diff_main方法，该方法接受两个字符串并返回差异列表。

- Therion

---

欢迎提供解决方案的链接，但请确保您的答案在没有链接的情况下也是有用的：添加链接周围的上下文，以便您的同行用户了解它是什么以及为什么存在，然后引用您链接到的页面中最相关的部分，以防目标页面不可用。仅仅是一个链接的答案可能会被删除。 - Samuel Liew

图书馆现在可以在https://github.com/google/diff-match-patch上找到。 - undefined

Answer 3

如果输出顺序相同，则直接比较行。当另一个文件中的值缺失时，您可能需要跳过该行。

但是，如果输出不同，则可能需要将文件加载到内存中，并在另一个文件中查找相关库存项目。然后，在未找到或不同的情况下执行所需操作。

- Kami

---

如果顺序不变，算法应该相当简单和高效。+1 - vgru

库存主要包含带参数的目录列表，如果文件已被删除，则会出现缺失的项目，但顺序不变，谢谢。 - OwenS