Сравнение текстов

Зачем патчу нужен контекст

Diff записывает правку вместо повторения двух полных документов. Документация GNU об унифицированном формате описывает компактный формат с изменёнными строками и ближайшим контекстом.

Контекст помогает найти правку. Скачанный файл использует original.txt и revised.txt и описывает строки, даже если на экране сравниваются слова.

Повторяющиеся строки допускают разные сопоставления. Алгоритм находит последовательность правок, а не замысел автора. Проверяйте окружение перемещённых предложений.

Одинаковый вид не означает равенство

Буква с акцентом может быть одной кодовой точкой Unicode или буквой с комбинируемым знаком. Стандарт нормализации Unicode определяет каноническую эквивалентность. NFC меняет только сравнение, а не поля ввода.

CRLF и LF — разные последовательности. Нормализация рассматривает CRLF и отдельный CR как LF. Игнорирование пустых строк удаляет и сведения об этих разделителях.

Сходство — удвоенное число неизменённых токенов, делённое на сумму токенов обеих версий. Единица и правила меняют процент. Это не оценка смысла, плагиата или правильности.

Выбор единицы под задачу

Строки считают целую строку с окончанием одним элементом. Это удобно для списков, логов, планов, субтитров и конфигурации, но одно слово может окрасить всю строку. Режим «Слова» использует правила разбиения текста, пунктуации и значимых пробелов, принятые в алгоритме сравнения. В зависимости от письменности и пунктуации одно слово может разбиваться на фрагменты; счётчики отражают элементы сравнения, а не число слов в лингвистическом смысле. Символы помогают проверить десятичную точку, URL, идентификатор или небольшую опечатку.

Сначала смотрите структуру, затем спорную правку. Перемещённый абзац может показаться удалённым и добавленным: семантического распознавания переноса нет. Повторяющиеся строки допускают разные выравнивания, поэтому нужен контекст. Сравниваются две вставленные строки текста, без истории репозитория, трёхстороннего слияния, комментариев или понимания намерений.

Игнорирование требует решения о смысле

Все правила изначально выключены. Сначала посмотрите точный результат и включайте по одному. Игнорирование регистра приводит к строчным буквам, без языкового сопоставления. Игнорирование пустых строк удаляет строки из пробелов и соединяет остальное через LF: могут скрыться окончания и финальная граница. Это не только сворачивание вида.

Пробелы обрабатываются по-разному. В строках убираются краевые пробелы и объединяются пробелы или табуляции, скрывая отступы и иногда окончания. В словах серии превращаются в один пробел. В символах удаляются совсем: a b может совпасть с ab. Не включайте правило ради процента; решите, влияют ли разделители на задачу.

Чтение цветов и процента

Исходник слева, правка справа: минус/красный — удаление, плюс/зелёный — добавление. Нейтральное совпало по правилам, не обязательно побайтно. Раздельный вид оставляет стороны, единый чередует изменения. Поменять местами обращает направление и добавления/удаления, не оценивая, какая версия лучше.

Проверяемый пример в строках без правил: limit = 8 меняется на limit = 12, далее в обеих версиях перенос и retry = true с завершающим переносом. Одна строка удалена, одна добавлена, одна совпала. Сходство 50 %: 2 × 1 / (2 + 2). Слова и символы считают другие элементы и дают иной процент той же правки.

Патч сохраняет игнорируемые отличия

Копирование и скачивание diff дают единый построчный патч исходных вводов с именами original.txt и revised.txt. NFC, нормализация и правила не переписывают выгрузку. Нормализованный экран может показывать равенство, а патч — изменение представления. Запишите настройки для другого проверяющего.

Заголовок называет файлы до/после; блоки задают диапазоны строк. Начальный пробел — контекст, минус — старая строка, плюс — новая. Может отмечаться отсутствие последнего переноса. Патч — инструкция изменения, не сохранённый коммит. До применения проверьте цель и базовую версию в другом инструменте; эта страница патчи не применяет и конфликты не разрешает.

Разобрать неожиданный результат

Ошибка означает расчёт не завершён, не равенство. Каждый ввод ограничен 50 000 единицами UTF-16; сложные изменения могут исчерпать бюджет раньше. Патч рассчитывается отдельно с ограничением и тоже может отсутствовать. Делите большие тексты на смысловые части с контекстом. Процент при ошибке не является действительным результатом.

Проверьте полноту обоих вводов, выключите правила и сравните фрагмент посимвольно. NFC не приравнивает прямые и фигурные кавычки, обычный и неразрывный пробел, похожие латинские и кириллические буквы. Элементы — кодовые точки, не цельные эмодзи или графемы. Для оформления, комментариев, таблиц и двоичных кодировок нужен оригинальный документ или сравнение файлов.