Teksten vergelijken

Hoe werkt de tekstvergelijking?

De tool zoekt de langste reeks woorden die beide teksten in dezelfde volgorde gemeen hebben en markeert al het andere als verwijderd uit de eerste tekst of toegevoegd in de tweede. Die gedeelde reeks heet de langste gemeenschappelijke deelreeks, en haar vinden is wat elke diff-checker doet; deze gebruikt het algoritme van Myers, dezelfde methode als achter git diff, in een vorm die alleen geheugen nodig heeft naar verhouding van de lengte van de teksten.

Voor het vergelijken worden beide teksten in stukken geknipt. In de modus Woorden is een stuk een woord, een leesteken of een reeks spaties. In de modus Regels is het een hele regel, en elk gewijzigd paar regels wordt daarna woord voor woord vergeleken, zodat je ziet wat er binnen de regel is verschoven. In de modus Tekens worden de teksten eerst woord voor woord vergeleken en wordt daarna elk vervangen stuk van maximaal 4.000 tekens nog eens letter voor letter vergeleken – daardoor wordt een typfout één gemarkeerde letter in plaats van een heel gemarkeerd woord. Chinees, Japans, Thai, Lao, Khmer en Birmees, die zonder spaties worden geschreven, worden teken voor teken vergeleken.

De vergelijking draait in een achtergrondthread van je browser, dus een lange tekst laat de pagina niet vastlopen. Elke tekst mag maximaal 300.000 tekens lang zijn. Twee niet-verwante teksten van die omvang kunnen minuten nodig hebben om exact uitgelijnd te worden, dus het werk stopt na vijf seconden en de overige verschillen worden als hele blokken getoond; de pagina meldt het als dat gebeurt.

Wat veranderen de negeer-opties?

Genegeerde tekens worden nog steeds in het resultaat getoond. Ze tellen alleen nooit als toegevoegd, verwijderd of gewijzigd.

Wat de getallen betekenen

De tellers staan in de eenheid waarmee je vergelijkt. Toegevoegd is wat alleen in de tweede tekst staat, verwijderd is wat alleen in de eerste staat, en gewijzigd is wat op dezelfde plek is vervangen, geteld aan de langste kant. In de modus Woorden telt een leesteken als één woord. Gelijk is het aandeel van beide teksten dat overeenkwam: tweemaal het onveranderde deel gedeeld door de lengte van beide teksten samen, zodat twee identieke teksten 100% scoren en twee teksten zonder overeenkomst 0%.

"Ongewijzigde tekst verbergen" houdt 160 tekens, of drie regels, rond elke wijziging en vouwt de rest in, waardoor een lang document met een paar wijzigingen makkelijk te overzien is. "Resultaat kopiëren" geeft je de vergelijking als platte tekst: markeringen [-verwijderd-] en {+toegevoegd+} in de tekst, of regels die in de modus Regels met - en + beginnen.

Waar je teksten heen gaan

Nergens heen. Beide teksten worden op je apparaat vergeleken; er wordt niets naar een server gestuurd of opgeslagen, dus contracten, concepten en studentenwerk kun je veilig plakken. Je kunt ook een bestand openen: platte tekstbestanden tot 5 MB en Word-.docx-bestanden, waarvan de tekst in de browser wordt gelezen.

Beperkingen die je moet kennen

Een diff toont wat er veranderde, niet waarom: een verplaatste alinea verschijnt op de ene plek als verwijderd en op een andere als toegevoegd. Opmaak in Word-bestanden – vet, tabellen, opmerkingen – wordt niet vergeleken, alleen de woorden. En bij twee teksten die bijna niets delen, zorgt het budget van vijf seconden ervoor dat sommige verschillen als grotere blokken worden getoond dan strikt nodig.