Comparateur de textes

Pourquoi un correctif contient du contexte

Un diff décrit une modification plutôt que deux documents entiers. La documentation GNU du format unifié explique le format compact qui présente les lignes modifiées avec leur contexte proche.

Le contexte aide à situer l’édition. Le fichier nomme original.txt et revised.txt et décrit des lignes même lorsque l’affichage compare les mots.

Des lignes répétées permettent plusieurs alignements. Le moteur trouve une suite d’éditions, pas l’intention de l’auteur. Vérifiez le contexte d’une phrase déplacée.

Même apparence, caractères différents

Une lettre accentuée peut être un point de code ou une lettre suivie d’une marque combinante. La spécification Unicode sur la normalisation définit l’équivalence canonique. NFC ne modifie que la comparaison, pas les champs.

CRLF et LF diffèrent. L’option correspondante traite CRLF et CR isolé comme LF. Ignorer les lignes vides retire aussi leurs informations de séparation.

La similarité vaut deux fois les unités inchangées divisées par le total des deux versions. Elle dépend des unités et exclusions : ce n’est ni une mesure du sens ni une preuve de plagiat ou de justesse.

Choisir l'unité selon la question

Le mode Lignes traite une ligne complète avec sa terminaison comme une unité. C'est pratique pour listes, journaux, plans, sous-titres et configurations, mais un mot remplacé peut colorer toute la ligne. Le mode Mots suit la segmentation du moteur de comparaison pour le texte, la ponctuation et les espaces significatifs. Selon le système d’écriture et la ponctuation, un mot peut être divisé en fragments ; les totaux comptent ces unités de comparaison, pas des mots au sens linguistique. Le mode Caractères convient aux décimales, URL, identifiants et petites corrections.

Commencez par la structure, puis zoomez sur l'édition incertaine. Un paragraphe déplacé peut être supprimé puis ajouté ailleurs, sans reconnaissance de déplacement. Des lignes identiques répétées autorisent plusieurs alignements plausibles : relisez le contexte. Le comparateur examine deux chaînes collées, sans historique de dépôt, fusion à trois voies, commentaires ni compréhension de l'intention.

Ignorer une différence est un choix de sens

Toutes les règles commencent désactivées. Examinez d'abord la comparaison exacte, puis activez une seule option. Ignorer la casse utilise la minuscule, pas une collation linguistique. Ignorer les lignes vides supprime les lignes de seuls espaces et rejoint le reste avec LF : des écarts de terminaison ou de frontière finale peuvent aussi disparaître. Ce n'est pas seulement masquer des rangées à l'écran.

En Lignes, ignorer les espaces retire les marges et réduit espaces ou tabulations ; cela peut cacher l'indentation et même une différence de terminaison. En Mots, les séquences deviennent un espace. En Caractères, elles disparaissent entièrement : a b peut correspondre à ab. Ne cherchez pas un meilleur score ; décidez si les distinctions supprimées sont réellement sans importance.

Interpréter les couleurs et le score

Original à gauche, révision à droite : moins/rouge indique une suppression, plus/vert un ajout. Neutre signifie égal sous les règles choisies, pas nécessairement identique octet par octet. La vue séparée conserve les côtés ; la vue unifiée entrelace les changements. Permuter inverse la direction et transforme ajouts en suppressions, sans décider quelle version est préférable.

Exemple reproductible en Lignes sans exclusions : limit = 8 devient limit = 12, chaque version ayant un saut de ligne puis retry = true et son saut final. On compte une ligne retirée, une ajoutée et une inchangée. Similarité : 50 %, soit 2 × 1 / (2 + 2). Les modes Mots ou Caractères utilisent d'autres unités et donnent un autre score pour la même révision.

Le patch ne reproduit pas les exclusions de l'écran

Copier et télécharger le diff produisent un patch unifié, par lignes, des entrées brutes, nommé original.txt et revised.txt. NFC, normalisation des fins de ligne et exclusions ne le réécrivent pas. Un écran normalisé peut donc sembler identique tandis que le patch conserve une modification de représentation. Notez les réglages pour expliquer cette distinction à un autre lecteur.

L'en-tête nomme les fichiers avant/après ; chaque bloc indique les plages de lignes affectées. Un espace initial signifie contexte, moins une ancienne ligne et plus une nouvelle. L'absence de saut final peut aussi être signalée. Un patch décrit une transformation, pas un commit enregistré. Avant application ailleurs, contrôlez cible et version de départ : cette page n'applique pas les patches et ne résout pas les conflits.

Réduire un résultat surprenant à un petit exemple

Une erreur signifie calcul non terminé, pas textes identiques. Chaque entrée est limitée à 50 000 unités UTF-16 ; une suite d'éditions difficile peut dépasser le budget même en dessous. Le patch a son propre calcul borné et peut manquer aussi. Découpez les grands textes par sections pertinentes avec assez de contexte. Ne prenez pas un score affiché en état d'erreur pour un résultat.

Vérifiez les deux collages complets, désactivez les règles et comparez un fragment en Caractères. NFC n'assimile pas guillemets droits et courbes, espaces ordinaires et insécables, lettres latines et cyrilliques ressemblantes. Les unités sont des points de code, pas des emoji ou graphèmes entiers. Pour tableaux, mise en forme, commentaires ou encodages binaires, revenez au document original ou à un outil de comparaison de fichiers.