文本对比工具 - 差异比较与相似度计算

核对两版文案、两段配置或两次接口返回的差异时，逐行对比比肉眼扫要可靠。这个工具输出逐行差异（未变 / 新增 / 删除）、增删行数与相似度，并提供忽略大小写、忽略空白差异的选项 —— 用来回答「是不是只改了一处」这类问题。

需要理解算法口径：逐行对比基于最长公共子序列，所以改动一行会显示成「删除旧行 + 新增新行」两条记录，而不是「修改」一条 —— 这是行级对比的通用表现，不是工具出错。忽略空白差异适合检查代码缩进调整是否夹带了内容改动；如果缩进本身有语义（如 Python、YAML），请用严格比较。

这个工具解决你的问题了吗？

使用步骤

左右两侧分别粘贴原文与新版本。
选择比较方式：严格比较、忽略大小写、忽略空白差异，或两者都忽略。
看差异列表与相似度：确认改动符合预期，没有意外被改动的行。
行数多时先按相似度判断改动规模，再逐条核对新增与删除。

计算原理与示例

差异是怎么算出来的

先把两段文本按行切开，再用最长公共子序列（LCS）求「最少要删哪些行、加哪些行」才能从左文本变到右文本。因此改动一行会表现为「删除旧行 + 新增新行」两条记录，而不是一条「修改」——这是所有行级 diff 的通用表示法（git diff 也是这样）。

相似度的口径

相似度 = 未变行数 × 2 ÷（左行数 + 右行数）× 100%。这个口径（等价于 1 − 差异行占比）在两段长度不同时仍然稳定：例如左 3 行、右 4 行、未变 2 行，相似度为 2×2 ÷ 7 = 57.14%。完全相同自然得 100%。

为什么建议拆小文本

LCS 需要一张「左行数 × 右行数」的矩阵，计算量随文本长度平方增长。所以本工具限制单侧 3000 行、矩阵单元不超过 250 万——超出会给出明确提示而不是让页面卡住。要比较几千行以上的文件，建议先按模块拆成多段分别对比。

代码示例

Shell 命令行 diff 的三种常用写法

# 标准逐行差异（-u 输出统一格式，便于阅读）
diff -u old.txt new.txt

# 忽略大小写与空白差异
diff -u -i -w old.txt new.txt

# 只统计增删行数（批量核对时用）
diff -u old.txt new.txt | grep -c '^+[^+]'
diff -u old.txt new.txt | grep -c '^-[^-]'

# 需要「词级」对比时用 git diff --word-diff，行级对比会把整行判为改动

JavaScript 前端做快速行级对比

// 简化思路：先抵掉公共前缀与后缀，中间部分即改动区（够快也够用）
const diffStat = (a, b) => {
  const L = a.split('\n'), R = b.split('\n');
  let i = 0;
  while (i < L.length && i < R.length && L[i] === R[i]) i++;
  let j = 0;
  while (j < L.length - i && j < R.length - i &&
         L[L.length - 1 - j] === R[R.length - 1 - j]) j++;
  return { same: i + j, added: R.length - i - j, removed: L.length - i - j };
};

diffStat('a\nb\nc', 'a\nB\nc'); // { same: 2, added: 1, removed: 1 }

常见问题

相似度是怎么算出来的？

相似度 = 相同行数 × 2 ÷（左边行数 + 右边行数）× 100%。它本质上是「1 减去差异行占比」，对两段长度不同的情况也成立。完全一致是 100%，两段毫无交集是 0%。

为什么改一行会显示成「删除 + 新增」两条？

因为行级 diff 的最小单位是整行：它不会判断「这一行被编辑了」，只会判断「这一行在或不在」。所以改动一行表现为删除旧行、新增新行两条记录——git diff 和大多数代码对比工具都是这个表示法。

忽略空白差异会不会漏掉真正的改动？

有可能。忽略空白只影响「比较键」，行内的空格与制表符差异会被视为相同，但输出仍显示原文。如果缩进、对齐本身是改动内容（比如 Python 代码缩进、Markdown 列表缩进），就应该用「严格比较」而不是忽略空白。

可以比较多少个字？

单侧上限 3000 行；两段行数的乘积不超过 250 万（例如左右各 1500 行可以，各 2000 行会超限）。超限时页面会提示拆分，而不是静默算出一个不完整的结果。

能直接比较两个文件吗？

当前版本是粘贴文本比较，没有文件上传入口——这是刻意的：纯本地粘贴不涉及任何上传，也避免了大文件把浏览器卡住。需要比较文件时，用编辑器打开后复制粘贴即可。

中文和 emoji 会被算错吗？

行级比较不受影响。字符级比较（同一条改动里的细节）按 Unicode 码点切分，不会把 emoji 的代理对拆成两半，所以 😀 会被当作一个字符，不会出现「半个字符」的乱码。

粘贴的文本会被上传吗？

不会。对比算法完全在浏览器里运行，没有任何网络请求，服务端拿不到你粘贴的内容；本工具也不写计算历史，关闭页面即消失。敏感文本可以放心粘贴。

延伸阅读

来自本站原创文章，讲清这个工具背后的算法与口径。