文本比较的原理

diff 只回答一个问题：要把第一段文本变成第二段，需要做哪些改动？本指南说明 diff 工具如何找到答案、如何阅读结果，以及如何准备两个版本，让结果显示你真正关心的改动，而不是噪音。

diff 显示什么

包括 LeedyBox 文本比较在内，大多数 diff 工具都按行比较文本。结果中的每一行属于三类之一：未改动（两个版本都有）、删除（只在原文中）或新增（只在新版本中）。没有单独的“修改”类别，所以改了一个词的行会出现两次，一次作为删除行，一次作为新增行：

  Dear customer,
- Your order ships on Monday.
+ Your order ships on Tuesday.
  Kind regards

标记沿用由来已久的惯例：- 表示删除，+ 表示新增，空格表示未改动。颜色（通常是红色和绿色）再重复一遍同样的信息。

如何匹配行

diff 工具会寻找在两段文本中以相同顺序出现的最长行序列，即最长公共子序列。这些行保留为未改动，其余的都标为删除或新增。如果原文是 A、B、C、D，新文本是 A、C、B、D，最长公共序列有三行，例如 A、B、D，于是 C 会以“在一处删除、在另一处新增”的方式表示移动。

很多时候存在多个同样长的答案，各个工具的选择方式不同。这就是为什么同一对文件在两个程序中可能得到略有不同的 diff。Git 默认使用 Myers 算法，也提供 patience 和 histogram 作为替代，它们在有很多只含右括号的行的代码中，往往能给出更易读的结果。

寻找最长公共序列的工作量，随一段文本的行数乘以另一段文本的行数而增长。LeedyBox 工具会先把开头和结尾相同的行放到一边，再比较剩下的部分；当这个乘积超过 4,000,000 时（例如大约 2,000 行对 2,000 行不同的行），就会显示提示并停止。

阅读 Git 和代码审查中的 unified diff

版本控制系统只以 unified diff 格式显示文件中改动的部分：

--- a/config.yml
+++ b/config.yml
@@ -12,4 +12,5 @@
 server:
-  port: 8080
+  port: 8081
+  timeout: 30
 database:

--- 和 +++ 两行是旧文件和新文件的名称。块头 @@ -12,4 +12,5 @@ 的意思是：这一块在旧文件中从第 12 行开始、共 4 行，在新文件中从第 12 行开始、共 5 行。每处改动周围的几行未改动内容（默认 3 行）提供上下文。像 LeedyBox 这样显示全文的工具，所有行都可见，因此没有块头；也正因如此，它的输出不能作为补丁应用。

准备文本以便有效比较

diff 比较的是字符，不是含义。细小的不可见差异会让行变得不同，并把真正的改动淹没：

空格和制表符：行尾的空格，或者一个版本用制表符、另一个用空格。删除行尾空格，并让两边的缩进一致。
不可见字符：例如不换行空格或零宽空格，在从网页和文字处理软件复制的文本中很常见。
Unicode 形式：像 é 这样的带重音字母，可以存为一个字符，也可以存为 e 加组合重音符。macOS 文件名或某些 PDF 中的文本常用第二种形式。
弯引号和破折号：文字处理软件会把 " 替换为 “ ”、把 - 替换为 –，因此粘贴的副本与原来的纯文本不再一致。
换行符：Windows 用 CR LF 结束一行，macOS 和 Linux 用 LF。浏览器会把文本框中的所有换行转换为 LF，因此在 LeedyBox 工具中看不到这种差异，但在直接比较文件的工具中会看到。
数据和代码的格式：重新缩进的 JSON 或顺序改变的键，几乎会让每一行都不同。先用相同方式格式化两个版本，例如对键排序并使用相同的缩进。

比较普通文章

在普通文档中，一整段常常就是一长行，所以只改一个词也会让整段被标为删除和新增。有两个习惯会有帮助：比较之前把每个句子放在单独的一行，这样只有改动的句子会突出；或者使用能在行内比较单词的工具，例如 git diff --word-diff 或文字处理软件自带的修订比较功能。

从 PDF 复制的文本还有它自己的陷阱：行在页面排版折行的位置断开，单词可能在行尾被连字符拆开。与源文档比较之前，先把每段的行重新接起来。

按行 diff 无法告诉你的事

移动：移到别处的段落会显示为一处删除、另一处新增。有些工具会单独标记移动的块，例如使用 --color-moved 的 git。
含义：用不同措辞表达同一意思的两段文本会显示为完全不同；而只差一个字符的改动，例如少了一个 "not"，看起来很小，却可能让句意完全相反。
二进制内容：Word 文档、PDF 和图片不是纯文本。请先提取其中的文本，或使用生成这些文件的程序自带的比较功能。

比较文档时的隐私

合同、配置文件和日志中常含有姓名、密钥或密码。有些在线比较服务会把粘贴的文本保存在服务器上，有时还会生成可分享的链接。LeedyBox 文本比较在浏览器中运行，不会发送或保存文本，但在把配置文件粘贴到任何地方之前，最好还是先删除其中的机密信息。

常见问题

我只改了一个词，为什么整段都被标为改动？

因为整段是一行，而按行 diff 比较的是整行。比较之前先把文本拆成句子或较短的行，或者使用按单词比较的工具。

可以忽略空格的差异吗？

LeedyBox 工具会精确比较每一行。请先整理两段文本，例如删除行尾空格、把制表符换成空格；比较文件时，git 提供 --ignore-space-change 等选项。

怎样比较两个 Word 文档？

Word 自带比较功能，还能显示格式的改动。如果只想比较文字内容，可以把两个文档的文本复制到文本比较工具中。

什么是三方合并（three-way merge）？

当两个人编辑了同一份原文，合并工具会把每个版本分别与共同的原文比较。不同位置的改动会自动合并；对同一行的改动会被报告为冲突，需要人工解决。