Comparer deux textes

Comment fonctionne la comparaison de textes ?

L'outil cherche la plus longue suite de mots que les deux textes ont en commun, dans le même ordre, et marque tout le reste comme supprimé du premier texte ou ajouté dans le second. Cette suite commune s'appelle la plus longue sous-séquence commune, et la trouver est ce que fait tout comparateur de différences ; celui-ci utilise l'algorithme de Myers, la méthode qui se trouve derrière git diff, dans une version dont la mémoire n'augmente qu'en proportion de la longueur des textes.

Avant la comparaison, les deux textes sont découpés en morceaux. En mode Mots, un morceau est un mot, un signe de ponctuation ou une suite d'espaces. En mode Lignes, c'est une ligne entière, puis chaque paire de lignes modifiées est comparée mot par mot pour voir ce qui a bougé à l'intérieur de la ligne. En mode Caractères, les textes sont d'abord comparés mot par mot, puis chaque passage remplacé de 4 000 caractères au plus est comparé de nouveau lettre par lettre : c'est ce qui transforme une faute de frappe en une seule lettre surlignée au lieu d'un mot entier. Le chinois, le japonais, le thaï, le lao, le khmer et le birman, qui s'écrivent sans espaces, sont comparés caractère par caractère.

La comparaison s'exécute dans un thread d'arrière-plan de votre navigateur, de sorte qu'un long texte ne fige pas la page. Chaque texte peut contenir jusqu'à 300 000 caractères. Deux textes sans rapport de cette taille pourraient demander des minutes pour être alignés exactement : le travail s'arrête donc au bout de cinq secondes et les différences restantes sont affichées en blocs entiers ; la page l'indique quand cela se produit.

Que changent les options d'exclusion ?

Les caractères ignorés restent affichés dans le résultat. Ils ne comptent simplement jamais comme ajoutés, supprimés ou modifiés.

Ce que signifient les chiffres

Les totaux sont exprimés dans l'unité de comparaison choisie. Ajouté désigne ce qui n'apparaît que dans le second texte, supprimé ce qui n'apparaît que dans le premier, et modifié ce qui a été remplacé au même endroit, compté sur le côté le plus long. En mode Mots, un signe de ponctuation compte pour un mot. Identique est la part des deux textes qui correspond : deux fois la partie inchangée divisée par la longueur cumulée des deux textes, si bien que deux textes identiques obtiennent 100 % et deux textes sans rien en commun 0 %.

« Masquer le texte inchangé » conserve 160 caractères, ou trois lignes, autour de chaque modification et replie le reste, ce qui facilite la lecture d'un long document comportant quelques retouches. « Copier le résultat » donne la comparaison en texte brut : des marques [-supprimé-] et {+ajouté+} dans le texte, ou des lignes commençant par - et + en mode Lignes.

Où vont vos textes

Nulle part. Les deux textes sont comparés sur votre appareil ; rien n'est envoyé à un serveur ni enregistré : vous pouvez donc coller sans risque des contrats, des brouillons ou des travaux d'étudiants. Vous pouvez aussi ouvrir un fichier : des fichiers texte brut jusqu'à 5 Mo, et des fichiers Word .docx, dont le texte est lu dans le navigateur.

Limites à connaître

Une comparaison montre ce qui a changé, pas pourquoi : un paragraphe déplacé apparaît comme supprimé à un endroit et ajouté à un autre. La mise en forme des fichiers Word (gras, tableaux, commentaires) n'est pas comparée, seulement les mots. Et sur deux textes qui n'ont presque rien en commun, le budget de cinq secondes fait que certaines différences sont affichées en blocs plus grands que strictement nécessaire.