什么是 `git diff --word-diff' 默认正则表达式？

Question

git diff

有与单词匹配的选项

--word-diff-regex=<...>

。某些语言有特殊的默认值（如

man 5 gitattributes

中所述）。但这些是什么？文档中没有描述，我查找了

git

的来源，也没有找到它们。

有什么想法吗？

编辑：我在

git 1.9.1

，但我会接受任何版本的答案。

Answer 1

源代码包含

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]+"

以确保不属于较大单词的所有非空白字符本身被视为单词，并且假设UTF-8，不分割多字节字符。例如，在：

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

正则表达式这个词是

"\\\\[a-zA-Z@]+|\\\\.|[a-zA-Z0-9\x80-\xff]+|[^[:space:]]|[\xc0-\xff][\x80-\xbf]+"

。

在这种情况下，

|[\xc0-\xff][\x80-\xbf]+

恰好没有任何好处，因为

[\xc0-\xff][\x80-\xbf]+

所涵盖的所有内容都已被

[a-zA-Z0-9\x80-\xff]+

所涵盖，但它也不会造成任何伤害。

Answer 2

.gitattributes

的文档中给出了预定义的 diff 驱动程序列表（它们都有预定义的单词 diff 正则表达式）。进一步说明的是

您仍然需要通过 .gitattributes 使用属性机制启用此功能

因此，要激活 hvd 对所有

tex

文件的答案中显示的

*.tex

模式，您可以在项目根目录中发出以下命令（在 Windows 下省略引号）：

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

Answer 3

注意：关于这些模式，Git 2.34（2021 年第 4 季度）更加清晰，并提醒开发人员，

userdiff

模式应保持简单且宽松，假设它们应用的内容始终在语法上正确。

请参阅Junio C Hamano (gitster)

提交 b6029b3

（2021 年 8 月 10 日）。
（由 Junio C Hamano -- gitster

 --

合并于 commit e1eb133，2021 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来为无效构造做好准备。

它们只需足够宽松，假设有效负载在语法上是正确的，这可能会让它们变得更简单。

大部分文字来自 Johannes Sixt，并由 Johannes Sixt 进一步改进。

所以这些内置模式现在有评论：

/*
 * 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[] = {