Textvergleich

Warum Patches Kontext enthalten

Ein Diff hält Änderungen fest, statt zwei Dokumente vollständig zu wiederholen. Die GNU-Dokumentation zum Unified-Format erläutert das kompakte Format mit geändertem Text und benachbarten Kontextzeilen.

Der Kontext hilft beim Einordnen. Der Download verwendet original.txt und revised.txt und beschreibt Zeilenänderungen, auch wenn die Anzeige Wörter vergleicht.

Wiederholte Zeilen können unterschiedlich zugeordnet werden. Das Verfahren findet eine Änderungsfolge, versteht aber keine Absicht. Verschobene Sätze im Zusammenhang prüfen.

Gleiches Aussehen, andere Zeichen

Ein Akzent kann Teil eines Zeichens oder ein zusätzliches kombinierendes Zeichen sein. Der Unicode-Standard zur Normalisierung definiert kanonische Normalisierung. NFC verändert nur den Vergleich, nicht die Eingabefelder.

CRLF und LF sind verschieden. Die optionale Normalisierung behandelt CRLF und einzelne CR als LF. Das Ignorieren leerer Zeilen entfernt auch deren Trenninformationen.

Ähnlichkeit ist zweimal die Zahl unveränderter Tokens geteilt durch beide Tokenzahlen. Einheit und Ignorierregeln verändern den Wert. Er misst weder Bedeutung noch Plagiate oder Richtigkeit.

Die passende Vergleichseinheit

Zeilenmodus betrachtet jede vollständige Zeile mitsamt Ende als Token. Das eignet sich für Listen, Logauszüge, Gliederungen, Untertitel und Einstellungen; ein einziges ersetztes Wort kann jedoch die ganze Zeile markieren. Der Wortmodus verwendet die Tokenisierung der Vergleichslogik für Text, Satzzeichen und gegebenenfalls relevante Leerraumfolgen. Je nach Schriftsystem und Zeichensetzung kann ein Wort in Fragmente zerfallen; die Zahlen zählen Vergleichseinheiten, keine sprachlichen Wörter. Zeichenmodus zeigt Änderungen an Dezimalpunkten, URLs, Kennungen oder kurzen Schreibweisen.

Prüfen Sie zuerst die Struktur und danach die fragliche Einzelstelle. Ein verschobener Absatz kann als Löschung plus Ergänzung erscheinen; eine Verschiebung wird nicht semantisch erkannt. Wiederholte Zeilen erlauben unterschiedliche Zuordnungen, weshalb Kontext wichtig bleibt. Das Werkzeug vergleicht zwei eingefügte Zeichenfolgen, keine Repository-Historie, Dreiwegezusammenführung oder Kommentare.

Ignorieren setzt eine fachliche Entscheidung voraus

Alle Ignorier- und Normalisierungsoptionen sind zunächst aus. Sehen Sie sich erst das exakte Ergebnis an. Großschreibung ignorieren nutzt Kleinschreibung, keine sprachabhängige Sortierung oder Kennungsprüfung. Leerzeilen ignorieren entfernt nur aus Leerraum bestehende Zeilen und verbindet den Rest mit LF. Dadurch können auch Unterschiede an Zeilenenden und am Textende verschwinden; es ist keine reine Ansichtsverkürzung.

Leerraum ignorieren wirkt je nach Einheit anders. Bei Zeilen werden Randabstände entfernt und Leerzeichen beziehungsweise Tabulatoren zusammengefasst; auch eine reine Endungsabweichung kann verschwinden. Bei Wörtern werden Leerraumfolgen zu einzelnen Leerzeichen. Bei Zeichen wird Leerraum ganz entfernt: a b kann dann ab entsprechen. Aktivieren Sie das nicht zur Verschönerung des Prozentsatzes, sondern nur, wenn die ausgelassenen Unterschiede bedeutungslos sind.

Ergebnis und Ähnlichkeit lesen

Links steht das Original, rechts die Überarbeitung. Minus/Rot bedeutet entfernt, Plus/Grün hinzugefügt. Neutral heißt gleich unter den gewählten Regeln, nicht zwingend bytegleich. Geteilte Ansicht hält die Fassungen getrennt, vereinheitlichte Ansicht zeigt die Änderungsfolge kompakt. Vertauschen kehrt die Richtung um: Ergänzungen werden Löschungen. Das bewertet keine Fassung als besser.

Ein nachprüfbares Zeilenbeispiel ohne Ignorierregeln: links limit = 8, rechts limit = 12, jeweils gefolgt von einem Umbruch und der identischen Zeile retry = true samt Umbruch. Eine Zeile wurde entfernt, eine ergänzt, eine blieb gleich. Ähnlichkeit: 50 %, also 2 × 1 / (2 + 2). Im Wort- oder Zeichenmodus ändern sich Token und Prozentsatz, obwohl die Bearbeitung dieselbe ist.

Patch und Bildschirm beantworten verschiedene Fragen

Diff kopieren und herunterladen liefern einen vereinheitlichten, zeilenweisen Patch aus den Rohtexten. Die Dateinamen lauten original.txt und revised.txt. Ignorierregeln, NFC und Zeilenendennormalisierung verändern den Export nicht. Ein normalisierter Bildschirm kann deshalb keine Abweichung zeigen, während der Patch eine Darstellungsänderung enthält. Notieren Sie die Vergleichseinstellungen für andere Prüfer.

Der Dateikopf benennt Vorher und Nachher; der Blockkopf bezeichnet betroffene Zeilenbereiche. Im Block kennzeichnet ein führendes Leerzeichen Kontext, Minus eine alte und Plus eine neue Zeile. Auch ein fehlender abschließender Umbruch kann dokumentiert werden. Ein Patch ist eine Änderungsanweisung, kein Repository-Commit. Prüfen Sie Ziel und Ausgangsstand im Zielwerkzeug; diese Seite wendet nichts an und löst keine Konflikte.

Unerwartete Ergebnisse systematisch eingrenzen

Ein Vergleichsfehler bedeutet nicht abgeschlossen, nicht identisch. Pro Eingabe sind 50.000 UTF-16-Codeeinheiten erlaubt; aufwendige Änderungen können schon darunter das Rechenbudget überschreiten. Der Patch wird separat begrenzt berechnet und kann ebenfalls fehlen. Teilen Sie große Texte an sinnvollen Abschnittsgrenzen, mit genügend Kontext zum Wiederfinden. Ein Prozentwert im Fehlerzustand ist kein Vergleichsergebnis.

Prüfen Sie beide vollständigen Eingaben, deaktivieren Sie alle Regeln und vergleichen Sie eine kurze Stelle zeichenweise. NFC setzt weder gerade und typografische Anführungszeichen noch normale und geschützte Leerzeichen oder ähnlich aussehende lateinische und kyrillische Buchstaben gleich. Zeichentoken sind Codepunkte, nicht ganze Emoji- oder Graphemgruppen. Für Formatierung, Kommentare, Tabellen und Binärkodierungen brauchen Sie die Originaldatei oder ein dateibewusstes Vergleichswerkzeug.