Comparar dos textos

Dos versiones del mismo documento y la pregunta de siempre: ¿qué ha cambiado exactamente? Leerlas en paralelo funciona para una página y falla para diez. Esta herramienta señala línea por línea lo que se ha añadido, lo que se ha quitado y, dentro de cada línea, la palabra concreta.

Comparar no es poner en paralelo

La forma ingenua de comparar dos textos es enfrentar la línea 1 con la 1, la 2 con la 2 y así sucesivamente. El problema salta enseguida: basta insertar un párrafo al principio para que todo lo demás se descuadre y aparezca como distinto, cuando en realidad no ha cambiado nada.

Lo que se hace aquí es buscar la subsecuencia común más larga: el mayor esqueleto de líneas que aparece en los dos textos en el mismo orden. Todo lo que queda fuera de ese esqueleto es lo que de verdad se ha añadido o eliminado. Es el mismo algoritmo que hay detrás de diff y de git desde hace décadas, y por eso el resultado se parece a lo que enseña un control de versiones.

Hasta la palabra

Cuando una línea ha sido sustituida por otra, marcar el renglón entero en rojo y en verde no informa: hay que releerlo para encontrar el cambio.

Por eso, en esos casos, se vuelve a comparar el par de líneas palabra a palabra y se resalta solo lo distinto. En un contrato de veinte páginas, eso es la diferencia entre ver «la cláusula 7 ha cambiado» y ver que el plazo pasó de treinta a sesenta días.

Las dos casillas que evitan falsos positivos

Ignorar espacios es la más importante y la que más se olvida. Dos textos que han pasado por editores distintos acumulan diferencias invisibles: tabuladores convertidos en espacios, sangrías cambiadas, espacios sueltos al final de cada línea. Sin esta casilla, un documento idéntico puede aparecer como completamente distinto.

Ignorar mayúsculas sirve cuando lo que comparas viene de fuentes que normalizan de otra forma: listados exportados, nombres importados de una base de datos, etiquetas.

Las dos afectan solo a la comparación, nunca al texto que se muestra: lo que ves es siempre lo que escribiste.

Para qué se usa de verdad

• Dos borradores de un contrato. El caso rey. Saca el texto de cada PDF con extraer texto de un PDF y pega cada versión en un lado.
• Un texto antes y después de revisarlo. Para ver qué tocó el corrector sin fiarte de su lista de cambios.
• Dos exportaciones de datos. Dos listados de referencias, de correos o de códigos, para ver qué falta en uno.
• Configuraciones que deberían ser iguales. El archivo que funciona y el que no, que es la forma más rápida de encontrar la línea culpable.

El límite, y por qué existe

La comparación exacta construye una tabla con tantas casillas como líneas tiene un texto multiplicadas por las del otro. Con dos documentos de mil líneas son un millón de casillas, que se calculan al instante; con dos de diez mil serían cien millones, y la pestaña se quedaría bloqueada.

Antes de calcular nada se recortan el principio y el final comunes, que en dos versiones del mismo documento suelen ser casi todo. Si aun así el bloque central es enorme, se avisa y se marca entero como cambiado: menos preciso, pero cierto, y sin colgar el navegador.

Nada de esto se envía

Comparar dos versiones de un documento suele significar que el documento importa: un contrato, una oferta, un texto sin publicar. Aquí los dos textos se quedan en tu navegador, no hay petición al servidor y no queda copia al cerrar la pestaña.