.NET中利用diff库识别文本最后新增内容的实现问询

要实现区分两次新增内容并标记最后一次新增的需求，核心思路是分两次对比版本差异：先对比初始版本与中间版本，得到第一次新增的内容；再对比中间版本与最终版本，提取最后一次新增的内容并替换为自定义操作码。具体实现步骤如下：

实现步骤 #

1. 生成两组差异对比结果：
   • 对比s1（初始）和s2（中间版本），得到第一次修改的差异
   • 对比s2（中间版本）和s3（最终版本），得到第二次修改的差异
2. 处理第二次对比的结果：将其中的INSERT操作（操作码1）替换为自定义操作码4
3. 合并两组有效差异结果，过滤掉重复的平等内容

完整代码示例 #

string s1 = "the Charterers as follows: ";
string s2 = "the Charterers as follows: added";
string s3 = "the Charterers as follows: added new content again";

diff_match_patch dmp = new diff_match_patch();
List<NewDiff> newDiffList = new List<NewDiff>();

// 第一步：对比s1和s2，获取第一次修改的差异
List<Diff> diffS1S2 = dmp.diff_main(s1, s2);
dmp.diff_cleanupSemantic(diffS1S2);
foreach (var diffItem in diffS1S2)
{
    newDiffList.Add(new NewDiff
    {
        Operation = diffItem.operation,
        Text = diffItem.text
    });
}

// 第二步：对比s2和s3，获取第二次修改的差异
List<Diff> diffS2S3 = dmp.diff_main(s2, s3);
dmp.diff_cleanupSemantic(diffS2S3);
foreach (var diffItem in diffS2S3)
{
    // 仅保留新增内容，将操作码替换为4
    if (diffItem.operation == 1)
    {
        newDiffList.Add(new NewDiff
        {
            Operation = 4,
            Text = diffItem.text
        });
    }
    // 平等内容无需重复添加，因为s1→s2的结果已包含s2的全部内容
}

// 输出结果（可根据需求序列化为JSON）

代码说明 #

• 分两次对比：避免直接对比s1和s3导致无法区分两次新增的内容，确保每一次版本迭代的修改都能被单独识别
• 操作码替换：将s2到s3的新增操作（原操作码1）替换为自定义操作码4，精准标记最后一次新增内容
• 语义清理：调用diff_cleanupSemantic优化差异结果，合并相邻的相同操作，让输出更符合阅读逻辑

扩展场景处理 #

如果中间版本到最终版本存在删除或修改操作（非纯新增），可以根据需求调整逻辑：

• 对于删除操作（原操作码0）：可保留原操作码，或自定义其他标识
• 对于修改操作：可拆分为DELETE+INSERT，将其中的INSERT部分标记为4（根据业务需求定义）

内容的提问来源于stack exchange，提问作者Niranjan