Usando 'diff' (ou qualquer outra coisa) para obter diferenças em nível de caractere entre arquivos de texto

Eu gostaria de usar 'diff' para obter uma diferença de linha e de caractere. Por exemplo, considere:

Arquivo 1

abcde
abc
abcccd

Arquivo 2

abcde
ab
abccc

Usando diff -u eu obtenho:

@@ -1,3 +1,3 @@
 abcde
-abc
-abcccd
\ No newline at end of file
+ab
+abccc
\ No newline at end of file

No entanto, isso só me mostra que houve mudanças nessas linhas. O que eu gostaria de ver é algo como:

@@ -1,3 +1,3 @@
 abcde
-ab<ins>c</ins>
-abccc<ins>d</ins>
\ No newline at end of file
+ab
+abccc
\ No newline at end of file

Você me entende.

Agora, eu sei que posso usar outros motores para marcar / verificar a diferença em uma linha específica. Mas prefiro usar uma ferramenta que faça tudo isso.

Git tem uma palavra diff, e definir todos os caracteres como palavras efetivamente dá a você uma diff de caractere. No entanto, as alterações de nova linha são ignoradas .

Exemplo

Crie um repositório como este:

mkdir chardifftest
cd chardifftest
git init
echo -e 'foobarbaz\ncatdog\nfox' > file
git add -A; git commit -m 1
echo -e 'fuobArbas\ncat\ndogfox' > file
git add -A; git commit -m 2

Agora, faça git diff --word-diff=color --word-diff-regex=. master^ mastere você obterá:

Observe como as adições e exclusões são reconhecidas no nível do caractere, enquanto as adições e exclusões de novas linhas são ignoradas.

Você também pode tentar um destes:

git diff --word-diff=plain --word-diff-regex=. master^ master
git diff --word-diff=porcelain --word-diff-regex=. master^ master

Você pode usar:

diff -u f1 f2 |colordiff |diff-highlight

colordiffé um pacote Ubuntu. Você pode instalá-lo usando sudo apt-get install colordiff.

diff-highlighté do git (desde a versão 2.9). Ele está localizado em /usr/share/doc/git/contrib/diff-highlight/diff-highlight. Você pode colocá-lo em algum lugar do seu $PATH.

O difflib do Python é ace se você quiser fazer isso programaticamente. Para uso interativo, eu uso o modo diff do vim (fácil de usar: basta invocar o vim com vimdiff a b). Ocasionalmente, também uso o Beyond Compare , que faz praticamente tudo o que você poderia esperar de uma ferramenta diff.

Não vejo nenhuma ferramenta de linha de comando que faça isso de forma útil, mas, como Will observa, o código de exemplo difflib pode ajudar.

Você pode usar o cmpcomando no Solaris:

cmp

Compare dois arquivos e, se eles forem diferentes, informa ao primeiro byte e ao número da linha onde eles diferem.

Python tem uma biblioteca conveniente chamada difflibque pode ajudar a responder sua pergunta.

Abaixo estão dois oneliners usando difflibpara diferentes versões de python.

python3 -c 'import difflib, sys; \
  print("".join( \
    difflib.ndiff( \ 
      open(sys.argv[1]).readlines(),open(sys.argv[2]).readlines())))'
python2 -c 'import difflib, sys; \
  print "".join( \
    difflib.ndiff( \
      open(sys.argv[1]).readlines(), open(sys.argv[2]).readlines()))'

Eles podem ser úteis como um alias de shell, que é mais fácil de mover com o seu .${SHELL_NAME}rc.

$ alias char_diff="python2 -c 'import difflib, sys; print \"\".join(difflib.ndiff(open(sys.argv[1]).readlines(), open(sys.argv[2]).readlines()))'"
$ char_diff old_file new_file

E uma versão mais legível para colocar em um arquivo autônomo.

#!/usr/bin/env python2
from __future__ import with_statement

import difflib
import sys

with open(sys.argv[1]) as old_f, open(sys.argv[2]) as new_f:
    old_lines, new_lines = old_f.readlines(), new_f.readlines()
diff = difflib.ndiff(old_lines, new_lines)
print ''.join(diff)

cmp -l file1 file2 | wc

Funcionou bem para mim. O número mais à esquerda do resultado indica o número de caracteres que diferem.

Também escrevi meu próprio script para resolver esse problema usando o algoritmo de subsequência comum Longest.

É executado como tal

JLDiff.py a.txt b.txt out.html

O resultado é em html com coloração vermelha e verde. Arquivos maiores levam exponencialmente mais tempo para serem processados, mas isso faz uma comparação verdadeira de caractere por caractere sem verificar linha por linha primeiro.

Colorido, personagem de nível diff ouput

Aqui está o que você pode fazer com o script abaixo e o diff-realce (que faz parte do git):

#!/bin/sh -eu

# Use diff-highlight to show word-level differences

diff -U3 --minimal "$@" |
  sed 's/^-/\x1b[1;31m-/;s/^+/\x1b[1;32m+/;s/^@/\x1b[1;34m@/;s/$/\x1b[0m/' |
  diff-highlight

_{(Crédito para a resposta de @retracile pelo seddestaque)}

O difflib do Python pode fazer isso.

A documentação inclui um programa de linha de comando de exemplo para você.

O formato exato não é o especificado, mas seria simples analisar a saída no estilo ndiff ou modificar o programa de exemplo para gerar sua notação.

Aqui está uma ferramenta de comparação de texto online: http://text-compare.com/

Ele pode destacar cada caractere diferente e continua a comparar o resto.

Acho que a solução mais simples é sempre uma boa solução. No meu caso, o código abaixo me ajuda muito. Espero que ajude mais alguém.

#!/bin/env python

def readfile( fileName ):
    f = open( fileName )
    c = f.read()
    f.close()
    return c

def diff( s1, s2 ):
    counter=0
    for ch1, ch2 in zip( s1, s2 ):
        if not ch1 == ch2:
            break
        counter+=1
    return counter < len( s1 ) and counter or -1

import sys

f1 = readfile( sys.argv[1] )
f2 = readfile( sys.argv[2] )
pos = diff( f1, f2 )
end = pos+200

if pos >= 0:
    print "Different at:", pos
    print ">", f1[pos:end]
    print "<", f2[pos:end]

Você pode comparar dois arquivos com a seguinte sintaxe em seu terminal favorito:

$ ./diff.py fileNumber1 fileNumber2

Se você mantiver seus arquivos no Git, você pode diferenciar entre as versões com o script diff-highlight , que mostrará diferentes linhas, com as diferenças destacadas.

Infelizmente, isso só funciona quando o número de linhas removidas corresponde ao número de linhas adicionadas - há um código de stub para quando as linhas não correspondem, portanto, presumivelmente, isso poderá ser corrigido no futuro.

Não é uma resposta completa, mas se cmp -la saída não for clara o suficiente, você pode usar:

sed 's/\(.\)/\1\n/g' file1 > file1.vertical
sed 's/\(.\)/\1\n/g' file2 > file2.vertical
diff file1.vertical file2.vertical

A maioria dessas respostas menciona o uso de diff-realce , um módulo Perl. Mas eu não queria descobrir como instalar um módulo Perl. Portanto, fiz algumas pequenas alterações para que fosse um script Perl autocontido.

Você pode instalá-lo usando:

▶ curl -o /usr/local/bin/DiffHighlight.pl \
   https://raw.githubusercontent.com/alexharv074/scripts/master/DiffHighlight.pl

E o uso (se você tiver o Ubuntu colordiffmencionado na resposta de zhanxw):

▶ diff -u f1 f2 | colordiff | DiffHighlight.pl

E o uso (se você não fizer):

▶ diff -u f1 f2 | DiffHighlight.pl