文本处理

文本对比

对比两段文本的差异,显示新增、删除和相同的内容

文本 11 行
文本 21 行

在左右两侧输入文本,系统将自动对比差异

什么是文本对比?

文本对比是一种用于比较两段文本之间差异的技术。文本对比工具可以帮助您快速找出两段文本之间的差异,以行为单位进行对比,清晰显示新增、删除和相同的行。

功能特点

  • 行级对比:逐行比较文本差异
  • 忽略选项:支持忽略空白和大小写
  • 可视化显示:用不同颜色标识删除、新增和相同的内容
  • 统计信息:显示相同行、删除行、新增行的数量

使用场景

  • 代码对比:比较不同版本的代码差异
  • 配置对比:检查配置文件的变化
  • 日志分析:对比不同时间段的日志
  • 文档校对:检查文档修改内容

对比说明

  • 相同行:两段文本中完全相同的行
  • 删除行:仅在文本 1 中存在的行(红色标记)
  • 新增行:仅在文本 2 中存在的行(绿色标记)

文本对比按行切开两段文本,再逐个位置比较,把每一行标成相同、删除或新增。它拿文本 1 的第 n 行对文本 2 的第 n 行,不做重新对齐,适合核对配置文件、日志片段里某一处已知改动,而不适合还原完整的版本演进。

按索引逐行比,而不是求最长公共子序列

常见的 diff(git diff、GNU diff)先算最长公共子序列,再输出最小编辑脚本,所以插入一行只多出一条 + 行。本工具省掉了对齐:按换行符切分两段文本,从索引 0 走到 max(行数) - 1,比较同一索引上的两行。在开头附近插入一行后,后面每一行都会被同时判为「文本 1 删除」和「文本 2 新增」,即使两行逐字节相同。因此输出的行数取决于错位幅度而不是真实改动的大小,整块内容被挪到别处也不会被识别为移动。读这份结果时请理解成「这个位置上两边内容不同」,而不是「这些行被改过」。

两个复选框究竟比的是什么

两个开关只改变参与比较的字符串,从不改变显示出来的字符串。忽略大小写是用 toLowerCase() 把两边转成小写;忽略空白只调用 trim(),它仅去掉行首行尾的空白,行内连续的空白原样保留——一行中间两个空格仍然算差异,全角空格 U+3000 更是完全不去。Windows 换行在切分后会在行尾留下一个 U+000D,于是 CRLF 文本对 LF 文本默认看起来全篇都被改写;打开忽略空白后 trim() 顺带去掉这个回车符,所有行立刻变成相同。仅为归一化后才相等的行,显示的仍是文本 1 的原始内容,被忽略的大写和行尾空格依然看得见。

空行去哪了,计数器又在数什么

渲染时只有非空内容才会生成一行,因为空字符串是假值:空白行永远无法以删除或新增的形式出现。从一段文本里删掉一个空行,索引配对整体错位一行,结果先把后一行显示为新增、再显示为删除,看起来像凭空多出的改动,而不是「空行被删掉了」。三个计数器统计的是渲染出来的行数,不是 diff 统计量:一行内容被修改必然产生一条删除加一条新增,所以「删除行」包含被改写的行,不等于净删除了几行。同一个索引内删除行总是排在新增行之前,判定为相同的行显示的是文本 1 的那一份。

实操示例

插入一行,后面每一行都被重判

输入
文本 1:alpha
beta
gamma
文本 2:alpha
INSERTED
beta
gamma
输出
  alpha
- beta
+ INSERTED
- gamma
+ beta
+ gamma

相同 1 / 删除 2 / 新增 3

只有索引 0 相同,两边都放着 alpha。索引 1 是 beta 对 INSERTED,索引 2 是 gamma 对 beta,索引 3 只有右边有内容,于是一处插入被记成 2 条删除加 3 条新增。基于最长公共子序列的 diff 在这里只会输出一条 + INSERTED。

边界与常见误用

  • 不做对齐:在靠前的位置插入或删除一行,下面所有行都会被重判,行数随错位幅度增长而不是随改动大小增长。
  • 忽略空白只等于 trim(),行内连续空格、行内制表符、全角空格 U+3000 一律仍算差异。
  • 空行在渲染前就被过滤,只涉及空行增删的改动要么完全看不见,要么被显示成一前一后错位的两行。
  • 粒度是整行:长行里改一个字符,整行都会被判为删除后重新新增。
  • 没有补丁导出,也没有本地持久化——文本只能粘进两个文本域,结果仅供查看,刷新页面后两侧内容清空。

相关工具

出问题时先看这里

两个输入框都清空了,左上角还写着 1 行

原因行数标签是 text1.split('\n').length。空字符串按换行切分仍会切出一个空元素,所以恒为 1;末尾多敲一个回车又会多切出一个,于是两行内容带尾换行会显示成 3 行。

处理把它读成「换行符个数 + 1」,别当可见行数。要确认究竟有没有输入,看结果区是否还停在提示文案上——至少一侧有内容才会出结果。

相同行数总比我数出来的多一行

原因两侧都以换行结尾时,切分会各自多出一个尾部空元素;这个索引上两边都是 '','' === '' 成立,于是被判成相同,渲染时又走 item.text || ' ',在结果里显示成一行空白。

处理比之前删掉两侧的末尾换行,或者引用这个数字时主动减掉那行空行。

勾上忽略空白,只在一侧存在的空行也被算成相同

原因缺失的一侧取 '',空白行 trim() 之后也是 '',归一化结果相等就进了相同分支;显示时回退到 line1 || line2,用另一侧原始的空格渲染出一行空白。「相同」在这里只表示 trim 之后相等,不表示两边都有这一行。

处理先把两侧的空行删干净,再用这个开关去消除缩进差异;不要用它判断某一行是否存在。

同一份文件粘到两边,整篇全红全绿

原因切分只认 U+000A,CRLF 的行尾留着 U+000D,同一索引永远对不上;除最后一行外全部判为不同,行内连续两个空格同样过不了 trim()。

处理勾「忽略空白」,trim() 会顺带吃掉行尾回车,行立刻相等。剩下仍不同步的才是真正的行内差异,多数是行尾空格或重复空格。

粘了 3000 行日志,计数器大得离谱,结果区只会滚

原因文本框没有 maxlength,比对本身也没有上限;每个错位的索引会输出删除加新增两条,渲染总量最多是较长一侧行数的 2 倍。结果区固定 500px 高、自己滚动,屏幕上能看到的只是其中一小段。

处理只粘真正要看的那一段,改动前后各 20 行就够;或者用 diff -u 取出 hunk,再把 hunk 贴进来核对。

开了忽略大小写,同一个词还是显示成改动

原因判等前只执行了 toLowerCase(),它只做大小写映射,不做 Unicode 归一化:A(U+FF21)映射成全角 a(U+FF41),和半角 a 仍是两个字符;İ(U+0130)小写后是 i 加 U+0307,也和 I 不等。

处理先做 NFKC 归一化再贴进来('A'.normalize('NFKC') 得到 'A'),或者提前把全角字母转成半角。这个复选框不会替你做这件事。

这个页面能判定到哪一步,什么时候该换成真正的 diff

要解决的问题这个页面该换用什么
确认某一处插入,同时要证明文件其余部分没被动过每行按索引对位,靠前的插入会把后面整片拖着走:100 行的配置文件在第 3 行前加一行,输出变成 199 行——相同 2、删除 98、新增 99,真实改动只有 1 行。拿这份结果判断「别处没动」很容易看错。把同样的两个文件交给 git diff --no-index old.conf new.conf 或 diff -u:一次插入只输出一条 +,另外 100 行根本不出现。注意两者在文件不同时退出码是 1,脚本里在 set -e 下调用要先兜住这个状态。
长行里只动了几个字符粒度是整行:这一行整条输出成一条删除加一条新增,计数器只告诉你 1 删 1 增,到底动了哪几个字符仍旧靠眼睛找。git diff --word-diff=plain,或在脚本里用 jsdiff 的 diffWords()。只想确认改的是不是版本号那几位,行内级别的比较才给得出答案。
一段代码被搬到了文件别处,而不是被改写移动没法表达:原位置是删除、新位置是新增,中间那些本来没动的行又被错位卷进同一片红绿里。git diff --color-moved(Git 2.9 起)给被搬动的块单独上色,这是区分「搬运」和「重写」最省事的办法。
差异要存档、要给别人看,或者以后要能回滚结果只活在 DOM 里:没有导出,刷新即清空;整段复制出去是带 -、+ 前缀的纯文本,任何工具都没法直接应用。git diff --no-index a.txt b.txt > change.patch,得到的补丁能被 git apply 重放,代码评审里要留的正是这个东西。
两段文本其实是同一批行,真正要的是去重和排序这里没有集合运算:一行在左边重复三次就报三次;把一侧顺序调一下,后面每一行都会变成一对删除加新增。先用「文本行排序去重」把两边各自排好、去重,再把结果贴回来比。剩下的差异才是真差异,而不是顺序和重复带来的噪声。
内容敏感,连一个临时文件都不该落盘比较在一个 Vue computed 里跑完,组件不发起任何网络请求,粘进来的文本不离开这台机器。命令行 diff 得先把内容写到磁盘,git diff 还可能往仓库里写对象。连临时文件都不能留时,取舍就该往页面上偏。

常见问题

逐行对比和逐词对比有什么区别?
逐行对比适合代码和配置——改动以行为单位;逐词对比适合文章和文案——一句话改个标点也能精确定位。本工具支持两种模式,配置文件审查用行模式,合同文案校对用词模式。
为什么两段看起来一样的文字显示有差异?
不可见字符是常客:行尾空格、CRLF 与 LF(Windows 与 Unix 换行符)、全角空格、不可见 Unicode 字符(零宽空格 U+200B)。diff 把它们如实显示——配合行尾显示开关即可定位,这正是 diff 排查"配置明明一样却不生效"的价值。
对比敏感数据安全吗?
对比完全在浏览器本地完成,两段文本都不会上传。但养成习惯:粘贴前把密钥、token、个人信息替换为占位符——diff 关注的是结构差异,不影响对比效果。

内容复核: