Comparador de Texto

Por trás do destaque, uma ferramenta de diff está resolvendo um problema específico de correspondência: dadas duas listas de linhas, encontrar a sequência mais longa de linhas que aparece, na mesma ordem relativa, nos dois documentos — tudo nessa sequência compartilhada é deixado inalterado, e tudo o mais é o que é marcado como adicionado ou removido. Essa é a intuição por trás da ideia de "maior subsequência comum" na qual todo algoritmo de diff de propósito geral é construído, incluindo o que o próprio Git usa. Isso explica um detalhe que de outra forma pareceria estranho: mover um bloco de texto do final de um documento para o início geralmente é reportado como uma grande remoção mais uma grande adição, em vez de uma única operação de "mover" — o algoritmo só está procurando uma ordem compartilhada, e um bloco realocado quebra essa ordem tanto na posição antiga quanto na nova.

Isso também explica por que uma edição de um único caractere em uma linha longa marca a linha inteira como alterada no modo de linhas: o algoritmo compara linhas inteiras como unidades indivisíveis, então "a mesma linha exceto por uma letra" e "uma linha completamente diferente" são tratadas de forma idêntica — ambas falham no teste de igualdade e ambas contam como uma linha removida, uma linha adicionada. É exatamente essa a situação em que mudar para o modo de palavras ajuda, já que ele reaplica a mesma ideia subjacente um nível abaixo, tratando cada palavra como a unidade sendo comparada em vez de cada linha.

O modo de linhas é o padrão certo para qualquer coisa em que uma linha é uma unidade significativa por si só — código-fonte, objetos JSON, linhas de CSV, entradas de log — porque nesses formatos uma única linha geralmente representa uma ideia completa, e saber que uma linha específica mudou já é uma informação útil por si só, independentemente de qual caractere dentro dela se moveu. O modo de palavras se torna mais útil no momento em que a unidade significativa é menor que uma linha: um parágrafo de prosa, uma cláusula de contrato, ou uma frase em um documento longo, onde a mudança interessante geralmente é uma única palavra ou expressão e a sentença ao redor é idêntica. Comparar esse tipo de texto linha por linha marcaria o parágrafo inteiro como "alterado" por uma edição de uma palavra só, o que é tecnicamente correto mas não diz nada sobre o que realmente mudou até você ler o parágrafo inteiro de novo você mesmo.

Uma regra prática: recorra ao modo de linhas primeiro para qualquer coisa estruturada ou orientada a linhas, e mude para o modo de palavras especificamente quando um resultado no modo de linhas mostrar dois grandes blocos de vermelho e verde que parecem quase idênticos — esse padrão é o sinal de que a diferença real é pequena e está enterrada dentro de um texto que, fora isso, não mudou.

Comparar duas revisões de código-fonte antes de mesclá-las é o caso de uso clássico, mas a mesma técnica se aplica bem além de uma revisão de código: comparar duas exportações de um arquivo de configuração para descobrir exatamente qual ajuste mudou entre uma implantação funcionando e uma quebrada, verificar duas versões de uma exportação de CSV para confirmar que só as linhas esperadas foram alteradas, ou comparar um rascunho de contrato com uma revisão anterior para encontrar cada cláusula que uma contraparte modificou sem ter que ler o documento inteiro lado a lado de novo. Em todos esses casos, o valor de uma ferramenta de diff é o mesmo — ela transforma "essas duas coisas são diferentes, e se sim, onde" de um exercício manual de leitura lado a lado em uma resposta visual imediata.