Diff-Checker

Unter der Oberfläche der Hervorhebung löst ein Diff-Tool ein konkretes Zuordnungsproblem: Gegeben zwei Listen von Zeilen, finde die längste Folge von Zeilen, die in derselben relativen Reihenfolge in beiden Dokumenten vorkommt — alles in dieser gemeinsamen Folge bleibt unverändert, und alles andere wird als hinzugefügt oder entfernt markiert. Das ist die Intuition hinter der Idee der „längsten gemeinsamen Teilfolge", auf der jeder allgemeine Diff-Algorithmus aufbaut, einschließlich desjenigen, den Git selbst verwendet. Das erklärt ein Detail, das sonst seltsam wirkt: Einen Textblock vom Ende eines Dokuments an den Anfang zu verschieben wird meist als große Entfernung plus große Hinzufügung gemeldet statt als einzelne „verschoben"-Operation — der Algorithmus sucht nur nach einer gemeinsamen Reihenfolge, und ein verschobener Block bricht diese Reihenfolge sowohl an seiner alten als auch an seiner neuen Position.

Das erklärt auch, warum eine Ein-Zeichen-Änderung an einer langen Zeile im Zeilen-Modus die *gesamte Zeile* als geändert markiert: Der Algorithmus vergleicht ganze Zeilen als unteilbare Einheiten, daher werden „dieselbe Zeile bis auf einen Buchstaben" und „eine komplett andere Zeile" identisch behandelt — beide scheitern an der Gleichheitsprüfung und beide zählen als eine entfernte, eine hinzugefügte Zeile. Genau das ist die Situation, in der der Wechsel zum Wort-Modus hilft, da er dieselbe zugrunde liegende Idee eine Ebene tiefer erneut anwendet und jedes Wort statt jeder Zeile als die zu vergleichende Einheit behandelt.

Der Zeilen-Modus ist die richtige Standardeinstellung für alles, wo eine Zeile für sich eine bedeutungsvolle Einheit ist — Quellcode, JSON-Objekte, CSV-Zeilen, Log-Einträge —, weil in diesen Formaten eine einzelne Zeile meist eine vollständige Idee darstellt, und zu wissen, dass sich eine bestimmte Zeile geändert hat, bereits nützliche Information ist, unabhängig davon, welches Zeichen darin sich bewegt hat. Der Wort-Modus wird nützlicher, sobald die bedeutsame Einheit kleiner als eine Zeile ist: ein Absatz Fließtext, eine Vertragsklausel oder ein Satz in einem langen Dokument, wo die interessante Änderung meist ein einzelnes Wort oder eine Formulierung ist und der umgebende Satz identisch bleibt. Solchen Text Zeile für Zeile zu vergleichen würde den gesamten Absatz für eine Ein-Wort-Änderung als „geändert" markieren, was technisch korrekt ist, aber nichts darüber verrät, was sich tatsächlich geändert hat, bis Sie den ganzen Absatz erneut selbst lesen.

Eine praktische Faustregel: Greifen Sie zuerst zum Zeilen-Modus bei allem Strukturierten oder Zeilenorientierten, und wechseln Sie speziell dann zum Wort-Modus, wenn ein Ergebnis im Zeilen-Modus zwei große, fast identisch aussehende Blöcke aus Rot und Grün zeigt — dieses Muster ist das Signal, dass der eigentliche Unterschied klein ist und in sonst unverändertem Text verborgen liegt.

Zwei Revisionen von Quellcode vor dem Zusammenführen zu vergleichen ist der Lehrbuchfall, aber dieselbe Technik lässt sich weit über einen Code-Review hinaus anwenden: zwei Exporte einer Konfigurationsdatei zu vergleichen, um genau zu sehen, welche Einstellung sich zwischen einer funktionierenden Bereitstellung und einer kaputten geändert hat, zwei Versionen eines CSV-Exports zu prüfen, um zu bestätigen, dass nur die erwarteten Zeilen berührt wurden, oder einen Vertragsentwurf gegen eine vorherige Revision zu vergleichen, um jede von einer Gegenpartei geänderte Klausel zu finden, ohne das gesamte Dokument erneut Zeile für Zeile zu lesen. In jedem dieser Fälle ist der Nutzen eines Diff-Tools derselbe — es verwandelt „sind diese beiden Dinge unterschiedlich, und wenn ja, wo" von einer manuellen Nebeneinander-Leseübung in eine unmittelbare visuelle Antwort.