Comparar dos archivos

La pregunta parece tonta hasta que aparece: ¿estos dos archivos son el mismo? Tienes dos carpetas con lo que parece la misma copia de seguridad. Te han reenviado un contrato y no sabes si es el que ya tenías. Has descargado algo dos veces y quieres borrar una. Y mirar el nombre, el tamaño y la fecha no responde.

Por qué lo que se ve en el explorador no vale

El nombre lo pone quien guarda el archivo: dos copias idénticas pueden llamarse «contrato.pdf» y «contrato (1).pdf». La fecha es aún peor, porque miente en las dos direcciones: copiar un archivo suele ponerle la fecha de la copia aunque no haya cambiado nada dentro, y hay programas que reescriben el archivo entero sin tocar el contenido.

El tamaño es el menos malo de los tres y aun así solo sirve para descartar. Si dos archivos pesan distinto, son distintos, seguro. Pero si pesan igual no has averiguado nada: cambiar una letra en un documento de texto no cambia el tamaño en absoluto.

Byte a byte, que es la única respuesta

Aquí se leen los dos archivos y se comparan sus bytes, uno contra uno. Eso no admite interpretación: o coinciden todos o no coinciden. Cuando no coinciden, además, se dice en qué byte exacto empiezan a separarse, que es un dato más útil de lo que parece.

Si la diferencia está en el byte cero, no tienen nada que ver. Si están idénticos durante los primeros novecientos kilobytes y luego se separan, lo más probable es que uno sea una versión modificada del otro, o que una descarga se cortara. Y si uno es exactamente el principio del otro, tienes delante un archivo incompleto.

Rápido cuando son distintos, lento cuando son iguales

Puede sonar al revés y tiene su lógica. La comparación se detiene en cuanto encuentra una diferencia, y dos archivos que no tienen nada que ver se separan en los primeros bytes: la respuesta llega antes de que te dé tiempo a pestañear, aunque pesen dos gigas.

Confirmar que son idénticos es lo caro, porque exige leerlos enteros hasta el final. No hay atajo: la única forma de estar seguro de que dos archivos son iguales es haber mirado todos sus bytes.

Los casos en los que más se usa

Limpiar duplicados. Dos carpetas de fotos que parecen la misma copia, o el mismo documento descargado tres veces con nombres distintos. Antes de borrar nada conviene estar seguro, y esta es la forma de estarlo.

Comprobar una copia de seguridad. Copiaste una carpeta a un disco externo y quieres confirmar que llegó bien. Un fallo de copia no siempre avisa: el archivo aparece con el tamaño correcto y por dentro tiene un trozo a ceros.

Confirmar que te han mandado lo mismo. Alguien reenvía un contrato «con los últimos cambios» y no sabes si es el que ya tienes. En dos segundos sales de dudas, sin abrir ninguno de los dos.

El código para enseñárselo a otro

Debajo del veredicto aparece el SHA-256 de cada archivo. Sirve para lo que la pantalla no puede: convencer a alguien que no está delante. Le mandas el código, calcula el suyo con cualquier herramienta y compara. Dos archivos con el mismo SHA-256 son el mismo archivo, y eso vale como prueba en una conversación de trabajo.

También sirve para lo contrario: si tú tienes un archivo y otra persona tiene el que dice ser el mismo, no hace falta que ninguno de los dos envíe nada. Basta con que los dos calculen el código y lo comparen por mensaje.

Lo que esta herramienta no hace

No te dice qué ha cambiado, solo si ha cambiado. Para ver las diferencias de un texto frase por frase está la herramienta de comparar textos, que las señala línea a línea. Son dos preguntas distintas y cada una tiene su respuesta.

Todo ocurre en tu navegador, leyendo los archivos por bloques desde tu disco. No se sube nada, que es lo suyo cuando lo que comparas son dos copias de seguridad o dos versiones de un documento con datos dentro.