文本差异怎么对比？改了什么一眼看出

一、行级 diff 的最小单位是「整行」

把

a
b
c

改成

a
B
c

结果不是「第 2 行改了」，而是：

类型	内容
相同	a
删除	b
新增	B
相同	c

统计：新增 1、删除 1、相同 2、差异 2 处、相似度 66.67%。

为什么改一行算两条：行级 diff 不判断「这一行被编辑了」，只判断「这一行在或不在」。改动一行 = 旧行消失 + 新行出现，所以显示成删除与新增两条。git diff、代码评审工具都是这个表示法——理解这点就不会误以为「我只改了一行，为什么提示两处改动」。

二、相似度是怎么算的

相似度 = 相同行数 × 2 ÷（左边行数 + 右边行数）× 100%

本质是「1 减去差异行占比」，对两段长度不同的情况也成立。三行里 2 行相同 → 2×2 ÷ (3+3) = 66.67%；完全相同 → 100%；毫无交集 → 0%。

这个指标适合快速判断改动规模：合同改版相似度 98% 说明只动了几个字，相似度 60% 就意味着大段重写。

三、三种比较口径的取舍

口径	效果	什么时候用
严格比较	空格差异也算改动	代码缩进、Markdown 列表、配置文件
忽略空白	行内空格与制表符差异视为相同	从网页复制的文本、对齐格式不同
忽略大小写	Hello 与 hello 视为相同	英文大小写不敏感的字段

实测对比同两段文本：

口径	相似度
b vs b 严格比较	50.00%
b vs b 忽略空白	100.00%
Hello vs hello 忽略大小写	100.00%

忽略空白有风险：Python 代码的缩进、YAML 的层级、Markdown 的嵌套列表，缩进本身就是内容。忽略空白后显示「完全相同」，但程序跑起来结果不同——工具仍有原文对照，但你别只看「100% 相同」就下结论。

一个细节：忽略空白只影响「比较键」，输出里仍然显示原文（保留前导空格），这样你能看到差异到底在哪。

四、这些场景最实用

• 合同与协议对比：改版后快速定位「哪几条被动了」，比逐字读快得多；
• 配置与代码评审：上线前对比新旧配置；注意缩进敏感的格式用严格比较；
• 文章与稿件：编辑改完稿子，作者想知道动了哪些地方；
• 数据核对：两份导出的名单、两版价格表对比。

行级对比的局限：如果整段文字只改了一个字，行级 diff 会把整行标成「删除 + 新增」，你会看到很长的一行红绿对照。这时用字符级对比更直观——它在行内标出具体哪几个字变了。大改版用行级、小修改用字符级，是效率最高的组合。

五、对比前先做两件清理

1. 统一换行符：Windows 的 CRLF 与 Linux 的 LF 会让「每一行都不同」，对比前先统一，否则相似度会低到离谱；
2. 清理零宽字符与全角空格：从网页或聊天窗口复制的内容常混入不可见字符，会把原本相同的行判成不同行（详见零宽字符清理与全角半角转换）。

六、直接算

→ 文本差异对比：行级与字符级对比，支持忽略空白与大小写

→ 字数统计：中英文字数与行数统计

→ 文本处理工具：去空行、批量替换等对比前的清理