Go go-diff 怎样按行压缩文本后计算差异

比较配置文件、模板或版本内容时，直接按字符计算差异，结果很容易把整行改动拆成许多碎片。Go 的 go-diff 提供了一条更适合多行文本的路径：先用 DiffLinesToChars 把每一行映射成一个 Unicode 字符，再让 DiffMain 比较压缩后的序列，最后用 DiffCharsToLines 还原原文。这样差异粒度是“行”，而不是单个字符。

官方地址：https://pkg.go.dev/github.com/sergi/go-diff/diffmatchpatch

按行压缩的调用链先要对齐

这次排查的症状通常是“明明只改了一行，结果却显示整段被删除又插入”。原因不一定是算法错误，而可能是比较粒度选成了字符。DiffLinesToChars 会把两段文本拆成行表，并返回两个压缩字符串和 lineArray；压缩字符串只用于计算，行表负责之后的还原。

中间调用可以使用 DiffMain(chars1, chars2, false)。因为输入已经是按行编码，第二个阶段不需要再次让库判断是否按行。得到的 []Diff 还包含压缩字符，必须交给 DiffCharsToLines，否则展示出来的只是编码后的短字符串。

一段可复用的 Go 实现

下面的函数把差异封装为一份可直接渲染的结果。示例只负责文本处理，不在本地执行；输出中的 EQUAL、DELETE 和 INSERT 对应库里的三种操作。

package main

import (
    "fmt"

    "github.com/sergi/go-diff/diffmatchpatch"
)

func diffByLine(oldText, newText string) []diffmatchpatch.Diff {
    dmp := diffmatchpatch.New()

    // 先把每一行映射成一个字符，减少字符级比较产生的碎片。
    chars1, chars2, lineArray := dmp.DiffLinesToChars(oldText, newText)
    // 压缩后的序列已经表达了按行粒度，这里关闭再次按行检查。
    diffs := dmp.DiffMain(chars1, chars2, false)
    // 将压缩字符还原成原始行，调用方才能展示真实文本。
    diffs = dmp.DiffCharsToLines(diffs, lineArray)
    // 清理没有信息量的等价片段，让结果更接近阅读习惯。
    return dmp.DiffCleanupSemantic(diffs)
}

func main() {
    oldText := "port: 8080\nmode: dev\nlog: text\n"
    newText := "port: 8080\nmode: prod\nlog: json\n"

    for _, item := range diffByLine(oldText, newText) {
        // Type 表示保持、删除或插入；Text 已经恢复为原始行。
        fmt.Printf("%-6s %q\\n", item.Type, item.Text)
    }
}

这里的关键不是把三次调用压成一行，而是保留 lineArray 的生命周期：它必须和压缩结果一起交给还原函数。若中途丢掉行表，差异仍然存在，但内容无法恢复。

语义清理和换行边界决定可读性

DiffCleanupSemantic 适合在还原之后调用，它会减少语义上没有价值的等价片段。它不是排序器，也不会替你判断哪一行是业务重点；如果审计工具需要“每一行都原样保留”，可以不做这一步，或者把清理结果与原始差异同时保存。

换行要先统一。LF 与 CRLF 混用时，同一行可能被视为不同文本；建议在进入 diff 前明确是否做换行归一化，并把这个决定写进缓存键。文件末尾是否有换行也会影响最后一项结果，配置比较场景最好固定约定。

故障复盘后的检查清单

库文档说明，DiffMain 遇到非法 UTF-8 会替换为 Unicode replacement character；这意味着它不会把原始非法字节原样带回。需要字节级审计时，应先在系统边界拒绝或单独保存原始字节，不要把字符串 diff 当作二进制校验。

常见问题

按行压缩后还能看出一行内部改了哪个词吗？

默认结果优先告诉你哪一行新增、删除或保持。对被替换的行，可再对这两行单独做一次字符级 Diff，形成“先定位行、再定位词”的两层展示。

DiffLinesToRunes 什么时候更合适？

它返回 rune 序列，适合你希望显式使用 DiffMainRunes 的场景。常规字符串处理直接使用 DiffLinesToChars 更直观，但两者都要保留行表并在结果阶段还原。

为什么不能只看 DiffLevenshtein 判断改了几行？

Levenshtein 距离统计的是插入、删除或替换的字符数量，不等于行数。要统计变更行，应在还原后的 Diff 中按操作类型和换行拆分。