如何比较文本文件：差异对比工具与技术
文本比较是开发者的日常工作。无论是审查代码更改、调试配置偏差还是合并文档，理解 diff 输出都至关重要。本指南涵盖了有效文本比较的算法、工具和技术。
理解 Diff 输出
经典的统一 diff 格式显示两个文件之间的更改：
--- original.txt
+++ modified.txt
@@ -1,5 +1,6 @@
Line 1: unchanged
-Line 2: removed text
+Line 2: modified text
+Line 2.5: added line
Line 3: unchanged
Line 4: unchanged
-Line 5: also removed
- 以
-开头的行被删除（来自原始文件） - 以
+开头的行被添加（在修改后的版本中） - 以
@@标记显示受影响的行号
Diff 算法
Myers 算法
Git 和大多数 diff 工具使用的默认算法。它寻找最短编辑脚本——将一个文件转换为另一个文件所需的最少插入和删除次数。对于大多数内容，它能产生干净、可读的 diff。
Patience Diff
对于源代码等结构化文本效果更好。它不是寻找最短编辑，而是先匹配两个文件中都出现的唯一行，然后再对它们之间的部分进行 diff。这通常能产生更有意义的 diff，与逻辑代码块对齐。
git diff --patience
Histogram Diff
Patience Diff 的改进版，自 2.x 版本以来成为 Git 的默认算法。它更好地处理重复行，对于有重大结构变化的文件产生更干净的输出。
在线文本比较
如需快速比较而无需安装工具，我们的文本差异对比工具可直接在浏览器中提供并排和内联 diff 视图。粘贴两段文本，即刻看到高亮显示的更改——所有处理均在本地完成。
命令行 Diff 工具
diff (POSIX)
经典的 Unix 工具：
# Unified format (most readable)
diff -u file1.txt file2.txt
# Side-by-side
diff -y file1.txt file2.txt
# Ignore whitespace
diff -w file1.txt file2.txt
# Recursive directory comparison
diff -r dir1/ dir2/
git diff
即使在 Git 仓库之外，git diff 也能提供更优质的输出：
# Compare two files
git diff --no-index file1.txt file2.txt
# Word-level diff (highlights changed words, not whole lines)
git diff --word-diff
# Stat summary (files changed, insertions, deletions)
git diff --stat
colordiff / delta
用于彩色终端输出：
# colordiff: drop-in replacement for diff
colordiff file1.txt file2.txt
# delta: modern diff viewer for Git
git diff | delta
用于代码审查的 Diff
有效的代码审查取决于可读的 diff。以下是提高 diff 质量的技术：
1. 保持提交聚焦
跨越数百行的大型 diff 难以审查。每个提交应只关注一个问题：
- 将格式更改与逻辑更改分开
- 将大型重构拆分为增量步骤
- 在一个提交中移动文件，在另一个提交中修改
2. 使用单词级 Diff
当一行中有一个小修改隐藏在长字符串中时，行级 diff 会隐藏实际的更改：
# Shows only the changed words, not entire lines
git diff --word-diff
3. 在审查中忽略空白
格式更改给有意义的 diff 增加了噪音：
git diff -w # Ignore all whitespace changes
git diff -b # Ignore whitespace amount changes
4. 带上下文审查
更多的上下文行有助于理解周围的代码：
git diff -U10 # Show 10 lines of context (default is 3)
处理合并冲突
当 Git 遇到冲突的更改时，它会在文件中标记冲突：
<<<<<<< HEAD
const timeout = 5000;
=======
const timeout = 10000;
>>>>>>> feature-branch
解决步骤：
- 理解两个更改——各自为什么要这样改？
- 决定保留哪个版本，或将它们合并
- 删除冲突标记
- 测试结果
对于复杂的合并，使用三向合并工具，它可以在两个版本旁边显示共同祖先。
比较非文本内容
JSON Diff
标准文本 diff 在处理 JSON 时效果不佳，因为键顺序和格式更改会产生噪音。语义 JSON diff 比较的是实际数据结构。查看我们的 JSON Diff 工具进行结构化比较。
CSV Diff
表格数据需要列感知的比较。标准 diff 将每行视为字符串，会遗漏单元格级别的更改。
二进制文件
Diff 无法有效比较二进制文件。对于图像，使用可视化 diff 工具。对于文档，先转换为文本或使用格式特定的比较工具。
自动化中的 Diff
CI/CD 流水线
在测试中使用 diff 验证预期输出：
command_under_test > actual_output.txt
diff expected_output.txt actual_output.txt
# Exit code 0 = identical, 1 = different
配置偏差检测
将生产配置与预期状态进行比较：
diff deployed_config.yaml expected_config.yaml
文档变更追踪
追踪文档中的更改以供审查：
git diff --stat HEAD~5..HEAD -- docs/
常见问题
diff 输出中的"hunk"是什么意思？
hunk 是 diff 中一个连续的更改块。每个 @@ 行开始一个新的 hunk。Git 将相近的更改分组到单个 hunk 中——如果两个更改在 3 行之内（默认上下文），它们会出现在同一个 hunk 中。可以使用 git add -p 独立暂存各个 hunk。
如何在 Git 中比较两个分支？
使用 git diff branch1..branch2 查看两个分支之间的所有差异。添加 --stat 获取摘要，或使用 -- path/to/file 比较特定文件。要比较分支自分叉以来添加的内容，使用三个点：git diff branch1...branch2。
相关资源
- 文本差异对比工具 — 在浏览器中并排比较文本
- JSON Diff 调试指南 — JSON 数据的结构化比较
- 正则表达式速查表 — 用于查找特定更改的模式匹配