テキスト比較

テキスト比較の仕組み

このツールは、2つの文章に共通して順番どおりに現れる最も長い語の並びを見つけ、それ以外を「1つ目から削除」または「2つ目で追加」として表示します。この共通の並びは最長共通部分列と呼ばれ、差分チェッカーはどれもこれを求めています。このツールが使っているのは、git diff の元になっている Myers のアルゴリズムで、文章の長さに比例した量のメモリしか必要としない形で実装しています。

比較の前に、2つの文章はまず小さな単位に分割されます。単語モードでは、単位は単語、句読点、または空白の連続です。行モードでは行全体が単位で、変更のあった行のペアは、行の中で何が動いたかが見えるようにさらに単語単位で比較されます。文字モードでは、まず単語単位で比較し、置き換えられた部分（4,000文字まで）をさらに1文字ずつ比較します。これにより、誤字は単語全体ではなく1文字だけがハイライトされます。中国語、日本語、タイ語、ラオ語、クメール語、ビルマ語のように空白を入れずに書く言語は、1文字ずつ比較されます。

比較はブラウザのバックグラウンドスレッドで動くため、長い文章でもページが固まりません。各テキストは300,000文字までです。このサイズで無関係な2つの文章を厳密に揃えるには数分かかることがあるため、処理は5秒で打ち切られ、残りの差分はブロック単位でまとめて表示されます。その場合は、ページがその旨を表示します。

無視オプションは何を変える？

無視された文字も、結果にはそのまま表示されます。ただし、追加・削除・変更としては数えません。

数値の意味

件数は、比較に使っている単位で数えます。追加は2つ目の文章にだけあるもの、削除は1つ目にだけあるもの、変更は同じ位置で置き換えられたもので、長いほうの側で数えます。単語モードでは、句読点も1語として数えます。一致率は、両方の文章のうち一致した割合で、変わらなかった部分の2倍を両方の文章の合計の長さで割ったものです。したがって、同一の2つの文章は100%、共通点がまったくない2つの文章は0%になります。

「変更なしの部分を隠す」は、各変更の前後160文字（または3行）を残して残りを折りたたむので、少しの修正だけがある長い文書でも見渡しやすくなります。「結果をコピー」は、比較結果をプレーンテキストで渡します。テキストの中に [-削除-] と {+追加+} の印が入り、行モードでは - と + で始まる行になります。

テキストの行き先

どこにも行きません。2つの文章はお使いの端末で比較され、サーバーへの送信も保存もないので、契約書、下書き、学生の課題を貼り付けても安全です。ファイルを開くこともでき、5 MBまでのテキストファイルと、ブラウザ内で本文を読み取るWordの.docxファイルに対応しています。

知っておきたい制限

差分が示すのは何が変わったかであって、なぜ変わったかではありません。移動した段落は、ある場所では削除、別の場所では追加として表示されます。Wordファイルの書式（太字、表、コメント）は比較せず、言葉だけを比較します。また、ほとんど共通点がない2つの文章では、5秒の制限のため、必要以上に大きなブロックとして差分が表示されることがあります。