“git diff --word-diff” 的默认正则表达式是什么？

Question

“git diff”有一个选项“--word-diff-regex=<...>”，可以匹配单词。对于某些语言，有一些特殊的默认值（如在“man 5 gitattributes”中所述）。但是这些是什么？文档中没有说明。我查看了“git”的源代码，也没有找到它们。

有什么想法吗？

编辑：我使用的是“git 1.9.1”，但我接受任何版本的答案。

- Lapshin Dmitry

Answer 1

这些源代码包含在userdiff.c文件中的默认单词正则表达式。 PATTERNS 和 IPATTERN 宏将基本单词正则表达式作为其第三个参数，并添加"|[^[:space:]]|[\xc0-\xff][\x80-\xbf]+"以确保所有不是更大的单词的非空格字符被视为单独的单词，假设使用UTF-8编码，而不会分隔多字节字符。例如，在：

PATTERNS("tex", "^(\\\\((sub)*section|chapter|part)\\*{0,1}\\{.*)$",
         "\\\\[a-zA-Z@]+|\\\\.|[a-zA-Z0-9\x80-\xff]+"),

正则表达式(regex)的含义是"\\\\[a-zA-Z@]+|\\\\.|[a-zA-Z0-9\x80-\xff]+|[^[:space:]]|[\xc0-\xff][\x80-\xbf]+"。

在这种情况下，|[\xc0-\xff][\x80-\xbf]+并没有任何好处，因为[\xc0-\xff][\x80-\xbf]+所覆盖的所有内容都已经被[a-zA-Z0-9\x80-\xff]+所覆盖，但它也不会造成任何损害。

- user743382

---

在git版本2.8.3上，$ git diff --word-diff-regex="\\[a-zA-Z@]+|\\.|[a-zA-Z0-9\x80-\xff]+|[^[:space:]]|[\xc0-\xff][\x80-\xbf]+"和git diff --word-diff产生了类似但不同的结果。 - Jason Pyeron

Answer 2

在.gitattributes文档中提供了一系列预定义的diff驱动程序（它们都有预定义的单词diff正则表达式）。进一步指出：

您仍需要通过属性机制启用此功能，即通过.gitattributes文件。

因此，要激活hvd答案中显示的tex模式以处理所有*.tex文件，您可以在项目根目录下执行以下命令（在Windows下省略引号）：

echo '*.tex diff=tex' >> .gitattributes

- raphinesse

Answer 3

注意：关于那些模式，Git 2.34（2021年第四季度）更加明确并提醒开发人员应保持userdiff模式简单和宽容，假设它们应用的内容始终是语法正确的。

请参见提交 b6029b3（2021年8月10日），由Junio C Hamano (gitster)进行。
^{（由Junio C Hamano -- gitster --在提交 e1eb133中合并，2021年8月30日）}

userdiff: 对内置模式的评论

提醒开发人员，他们不需要过度实现模式以准备处理无效结构。
他们只需要足够宽容，假设有效载荷在语法上是正确的，这可能使它们更简单。

大部分文本被 Johannes Sixt 偷走，并进一步改进。

因此，这些内置模式现在有一个注释：

/*
 * Built-in drivers for various languages, sorted by their names
 * (except that the "default" is left at the end).
 *
 * When writing or updating patterns, assume that the contents these
 * patterns are applied to are syntactically correct.  The patterns
 * can be simple without implementing all syntactical corner cases, as
 * long as they are sufficiently permissive.
 */
static struct userdiff_driver builtin_drivers[] = {

- VonC