在线文本对比工具 - 两段文本差异高亮(行/词/字符级)
🌟 四十行文案,没人说得清改了哪三句
产品经理发来一个文件,叫「详情页文案_最终版_真的最终版_2」。上一版你三天前刚校对完。你要在二十分钟内告诉运营:到底动了哪几句。
再换个场景。两台机器的 nginx 配置对不上,一份是本地的,一份是线上的,都在八十行左右,缩进一模一样,你来回切窗口,看着看着就串行了。或者你手上有两份八千行的日志,一份出问题前,一份出问题后,只想确认多出来的是不是那几条超时报错。还有合同第三稿和第四稿、接口文档改了字段名、一段 SQL 从测试库搬到生产库。
这些事有个共同点:两段文本大部分相同,只有很小一部分不一样。而人眼恰恰最不擅长干这件事——相同的部分会让人放松,不同的部分又小得藏在中间,漏看一次,后面全是返工。
星点 文本对比工具 就是为这个场景做的:左边粘原始文本,右边粘新版本,粘贴完结果立刻出来,不用点按钮。新增标绿、删除标红、相同内容压成灰色,同时告诉你新增多少条、删除多少条、分成几个差异区块。整个过程在浏览器本地完成,输入不上传。
🧭 差异不是”对着数出来的”,是先找共同部分
很多人以为对比工具的逻辑是”从第一行开始,一行一行往后比,不一样就标红”。不是。
朴素的逐行对比有个致命问题:只要中间插入或删掉一行,后面所有行都会错位,两千行文本里插一行,两千行全红,结果毫无用处。
实际做法是先求两段文本的最长公共子序列(LCS):在两段文本里找出一个最长的、顺序一致但不要求连续的公共部分,把它当作”骨架”,剩下的就是新增和删除。工具再用这张表回溯,把两边的行对齐起来,最后输出三种片段:相同、新增、删除。
这个设计带来三个你必须知道的后果。
第一,对齐优先,而不是”最像”优先。 它保证的是”公共部分尽可能长”,不是”每处改动看起来最合理”。所以当你把一段话从开头挪到结尾,工具看到的是”这里少了一段、那里多了一段”,而不是”这段移动了”。移动位置越大,红绿块就越大——这不是 bug,是算法在如实告诉你:从文本层面看,位置变了。
第二,粒度决定你看到什么。 行级对比里,改一个字和改一整行,表现完全一样:删掉一整行、新增一整行。词级和字符级才会告诉你”到底哪个词变了”。所以”这行是不是改过”用行级,“这行改了什么”用更细的粒度。
第三,相同的内容是判定基准。 灰色不是”没用的内容”,它是锚点。读差异结果时,先看灰色块把文本分成了几段,再看每段之间的红绿,比从头读红绿快得多。
🎯 行、词、字符:粒度选错,结论就歪
工具提供三档粒度,默认行级。这不是”越高越好”的关系,选错方向会浪费很多时间。
| 粒度 | 切分单位 | 适合什么 | 不适合什么 |
|---|---|---|---|
| 行(默认) | 以换行符切分,一行算一个单位 | 配置文件、代码、日志、名单、逐条记录 | 一整段不分行的长文案;只改了几个词的段落 |
| 词 | 按语言分词(中文按词切,英文按单词与空格) | 文案改版、合同条款、说明书段落 | 代码(分词会把符号和标识符切碎);需要精确行号的场景 |
| 字符 | 按字符逐个展开 | 单行里的错别字、标点、编号、一串密钥或 token | 长文档(结果会碎成几千条,反而难读) |
举个具体的例子。左边是原文:
活动时间:10 月 1 日至 10 月 7 日满 199 元包邮,偏远地区除外下单后 48 小时内发货右边只改了两处:
活动时间:10 月 1 日至 10 月 8 日满 199 元包邮,新疆西藏除外下单后 48 小时内发货行级会告诉你:删 2 行、新增 2 行、1 个差异区块。你能确认”改了两行”,但得自己盯着看改了什么。
词级会把差异落到词上:7 日 → 8 日、偏远地区 → 新疆西藏。改了三处还是两处,一眼就清楚。
字符级更细:7 和 8 是两个字符的替换,偏远地区 是四个字符被换成四个字符。这时候你才会注意到一个隐藏问题:原文的「偏远地区」是四个字,新文案的「新疆西藏」也是四个字,字符数没变,但语义范围变了——这是字符级对比最容易被忽略的一层:字数没变,不等于意思没变。
两个实现细节值得说明,因为它们影响你看到的结果。
一是词级用的是浏览器的语言分词能力(Intl.Segmenter,中文会按词切开,不是按字切开),所以「包邮」是一个整体,不会拆成「包」和「邮」。少数旧浏览器没有这个能力时,退化为按空白切分,中文长句会被当成一个整体,这时改用字符级更可靠。
二是字符级按码点展开,emoji 这类由两个 UTF-16 单元组成的字符不会被劈成两半。但由多个 emoji 拼起来的组合表情(比如带肤色的手势)仍可能被拆开显示,这是字符级对比的边界,不是错误。
还有一点第一次用容易困惑:词级和字符级的结果是按单位逐行展开的,一个词或一个字占一行,不是在你原来的段落里直接涂色。所以字符级看长文本会变成几千行的竖排列表,读起来很累——它天生适合短句,不适合整篇文档。统计区那三个数字(新增、删除、差异区块)也随粒度变化:行级数的是行,词级数的是词,字符级数的是字符,标签上的”行”字只是沿用,别把字符数当成行数去对照原文。
⚖️ 新增和删除,方向反了就是事故
工具默认以左侧为基准:左边是原始文本,右边是新版本。判定规则只有两条:
| 情况 | 判定 | 颜色 | 统一视图符号 |
|---|---|---|---|
| 左有、右无 | 删除 | 红 | - |
| 右有、左无 | 新增 | 绿 | + |
| 两边都有且相同 | 相同 | 灰 | 行首一个空格 |
为什么反复强调方向?因为很多人习惯”把新的放左边”或者随机粘。一旦方向反了,你导出的 diff 里所有新增都变成删除,交给别人做版本回滚时,删掉的正好是要保留的内容。
判断方向有个笨但有效的办法:看统计。改版通常是”新增略多于删除”或两者接近;如果你只是加了几行内容,统计却显示删了二十行,先检查左右是不是粘反了。发现粘反了,点工具栏的交换按钮,一次换过来,不用重新粘。
🔧 四个忽略选项:只改判断,不改原文
工具栏上有四个勾选框:忽略行尾空白、忽略大小写、忽略空行、统一换行比较。它们的工作方式是一样的:比较时用一份处理过的”比较键”去算,显示和导出用的仍然是原始文本,一个字符都不会被替换。也就是说,勾了忽略大小写,你不会在结果里看到被转成小写的文本。
这一点必须先讲清楚,否则很容易误解成”工具帮我格式化了”。它没有。想知道原文哪里有多余空格,得去看 文本清理工具。
四个选项分别解决什么:
忽略行尾空白。 只去掉每行末尾的空格和 Tab,行首的缩进照旧参与比较。这个区分很重要:从网页、聊天窗口、Word 复制文本时,行尾经常带着看不见的空格;但代码里的缩进是语义的一部分,工具不会替你”顺手”忽略掉。所以 YAML 缩进错一级、Python 少两个空格,该报的还是会报。
忽略大小写。 比较时统一转小写,原文不变。适合英文文案、SQL 关键字大小写不统一这类场景。反过来,比对密钥、Base64、大小写敏感的标识符(比如 userId 和 userid)时必须关掉,否则真实差异会被吞掉——这是这个选项最容易造成误判的地方。
忽略空行。 所有空行在比较时被视为彼此相同,而且不会计入新增/删除统计。排版时多敲了两个回车、Markdown 段落之间空行数量不一致,用它可以过滤掉噪音。注意”空行”指的是去掉空白后为空的那些行,只包含几个空格的行也算。代价是:如果空行的增减本身有含义(比如某些配置用空行分隔区块),这个选项会把它抹平。
统一换行比较。 把 CRLF(Windows)和 CR(老式 Mac)都当作 LF 来比较。行级对比本来就按换行符切分,一般不受影响;但切到词级或字符级时,\r 会作为一个真实字符出现,这时它才是关键选项。关于这个坑后面会单独讲。
推荐的用法是从全关开始:先看两份文本的真实差异,心里有数之后,再一个个勾上,观察统计数字怎么变。变化的那些,就是”格式噪音”;没变化的,就是真实改动。反过来先全勾上,很容易把真实改动一起忽略掉,然后得出”两份文件一样”的错误结论。
🖥️ 并排看结构,统一拿去用
工具提供两种视图,切换在工具栏,和粒度是两件独立的事。
| 视图 | 布局 | 标记方式 | 适合 |
|---|---|---|---|
| 并排 | 左右两列逐行对齐,删除在左列标红,新增在右列标绿,缺的一侧留空 | 颜色 + 空位 | 看”这一段整体被换掉了”、确认删掉的是哪几行 |
| 统一 | 单列,行首 + 新增、- 删除、空格表示未变 | 符号 + 颜色 | 复制给别人、贴进工单、存档做版本记录 |
并排视图的好处是保留了两份文本的空间结构。一段配置被整块替换时,左边红一片、右边绿一片,位置对齐,你能立刻判断”是替换还是插入”。缺点是列宽有限,长行会折行,word-break 会把长 URL 硬断开。
统一视图的好处是线性的:从上往下读一遍就是一份完整的变更记录,复制出去也不会错位。这也是代码评审里最常见的格式。
工具栏的复制 diff 和下载(文件名 text-diff.txt)都输出统一视图的文本,无论你当前在看哪种视图。有两个细节要知道,避免用错地方:
导出的内容是完整文本,不是只有差异行。 没改动的行也会输出,行首带一个空格。这样别人拿到这段文本,能直接看出上下文,不用回头找原文。
它不是标准 patch。 没有 @@ -12,7 +12,9 @@ 这样的区块头,也没有行号,更不包含文件路径。所以它不能被 git apply 直接应用——它是一份”人和 AI 都能读的差异记录”,适合贴进工单、邮件、聊天窗口、发布说明,不适合当补丁文件。需要标准 patch,还是得回到 git。
如果你的文本行数很多,而只想把差异部分发给别人,可以先用统一视图通读,手动截取关注的区块。工具目前不提供”只导出差异行”的选项,这一点得说清楚。
🧪 走三个真实场景
功能清单看完了,实际用起来是另一回事。下面三个场景都按真实操作顺序走。
场景一:线上配置和本地配置对不上
你手里有两份 nginx 片段,本地这份是刚改过的。
操作顺序:左边粘线上版本,右边粘本地版本 → 粒度保持行 → 四个忽略选项先全关 → 看统计。
假设结果是”新增 3 行、删除 1 行、2 个差异区块”。这时候不要急着看颜色,先看区块位置:两个区块离得远,说明是两处独立改动;紧挨着,可能是一次结构调整。
点开第一个区块,看到 worker_connections 1024 变成 worker_connections 4096。行级显示是删一行加一行,方向对:左边是旧值,右边是新值。第二个区块多了三行,是 gzip 相关配置。
如果你还要确认”缩进有没有被动过”,行级里看不出来(整行文本变了),切到字符级,1024 和 4096 之外如果还有空格差异,会以单独的片段出现——不过字符级会把这个文件拆成上千条,只适合盯一小段,不适合通读。
场景二:改文案,只想知道动了哪几个词
一份三百字的产品介绍,新版调整了措辞。行级的结果通常是”删 4 行、新增 4 行”——因为整段就是几行,改一个词也是整行变化,信息量几乎为零。
切到词级,结果才有用:支持 → 兼容、快速 → 秒级、删掉了一个「非常」。这时候你能顺手做质检:改后的词是不是统一了口径,有没有把产品名写错。
文案场景建议同时勾上忽略行尾空白。从 Word 或设计稿复制过来的文本,行尾空格非常多,不勾的话统计数字会虚高,你会以为改了很多行,实际只是格式噪音。
场景三:八千行日志,只想确认多了什么
两份日志,出问题前后各一份。行级是唯一合理的选择——词级和字符级在几千行的规模上没有可读性。
操作上有两个技巧。一是先清掉时间戳和无关前缀:如果每行开头都有毫秒级时间,两份日志的同一行会被判成不同。可以先用 文本替换工具 把时间戳统一抹掉,再对比。
二是先看差异区块数,而不是逐块读。区块数少、每块行数少,说明只是零星多了几条;区块数很多、分布很散,八成是格式问题(换行符、编码、日志级别前缀变了),先解决格式再谈内容。
还有个现实约束要提前知道:行级对齐要建一张(行数+1)×(行数+1)的表,格子总数超过四百万,工具就自动换成粗略对齐(先跳过首尾相同的部分,中间按位置一一配对)。两侧各两千行正好落在这条线外,所以那是降级开始的量级,不是”上限”。降级之后不会崩,但区块划分会变粗,连续相同的行可能被配错位置。八千行日志正好在降级区间:统计里的新增/删除数量仍然可信,具体哪个区块对应哪次请求,需要你自己再核。真要对大文件做精确比对,分段比整体比更靠谱。
另外两类:合同稿件和代码片段
合同、稿件这类文本,特点是段落长、改动小、格式乱。做法是:行级先看整体(哪几段被改),词级再看细节(哪句话被改)。合同尤其要注意”整段重排”——把一句话从段首挪到段尾,行级会显示整段删除加整段新增,看着像大改,实际只是顺序变了。这种时候别慌,逐句核对比盯着颜色可靠。
代码片段则相反:结构清晰、以行为单位,行级最合适。想确认单行里是不是只改了一个逗号、一个引号,切到字符级,一两行的范围内非常好用。真要按文件、按提交做代码对比,那是 git 的活,不是这个工具的定位。
📊 四种对比方式,各管一段路
工具不是越多越好,是要知道什么时候不该用它。四种常见方式摆在一起看:
| 方式 | 适用对象 | 粒度 | 输出 | 局限 |
|---|---|---|---|---|
| 肉眼比对 | 十行以内、结构完全一致的两段文本 | 无 | 无 | 漏看、串行;超过几十行基本不可靠;没有记录可留 |
| 在线文本对比(本工具) | 任意两段可复制的纯文本,不需要仓库和版本历史 | 行 / 词 / 字符 | 彩色差异视图 + 统一格式文本,可复制可下载 | 不比较文件格式与样式;超大文本降级对齐;不生成标准 patch |
| git diff | 仓库里的文件、有提交历史的版本 | 行(可切词级) | 标准 patch,带区块头与上下文 | 前提是先有仓库;临时粘贴两段文本要建仓库太重;二进制文件不支持 |
| Word 比较(审阅 → 比较文档) | .docx 文档,含样式、批注、修订记录 | 段落 / 词 | 生成第三份带修订标记的文档 | 对纯文本、代码不友好;排版调整也会被算成差异;大文档处理慢;.txt 需要先转格式 |
怎么选,按手上的输入判断就行:
- 只有两段文本,没有文件、没有仓库 → 在线对比工具,最快;
- 差异要变成可回滚的补丁、要留版本记录 → git diff;
- 要保留修订痕迹给客户或上级看,还要显示”谁改的、批注是什么” → Word 比较;
- 十行以内、只是确认有没有粘错 → 眼睛扫一遍也行,不用开工具。
有一点要提醒:Word 比较生成的差异包含格式信息,和纯文本 diff 不是一回事。同一份文档,Word 比较说”改了 12 处”,文本对比说”删 3 行加 3 行”,两个数都对,只是在数不同的东西。别拿两个数字互相验证。
🚨 六个坑,八成的问题出在这里
坑一:CRLF 和 LF,整篇标红。 Windows 的换行是 \r\n,Linux/macOS 是 \n。有些对比工具不做归一化,把 \r 当成普通字符,于是每一行都”不同”,结果整篇红绿——你明明什么都没改。
这个工具在行级上不容易踩这个坑,因为它按 \r\n、\r、\n 都能正确切行,换行符不会混进行文本里。但切到词级或字符级时,\r 就是一个实打实的字符了,两份来源不同的文本会出现大量看不见的差异。这时候勾上统一换行比较,或者先用 文本清理工具 统一成 LF 再对比。
顺带说一个行级的边界:末尾多一个换行不算差异。因为切行时末尾的换行不会额外产生一个空行。如果你要确认文件结尾有没有换行符(某些构建工具很在意这个),文本对比帮不上忙,得用别的办法。
坑二:行尾空格和缩进。 编辑器保存时自动 trim、Markdown 用两个空格表示换行、从表格复制带出的尾随空格——这些都会让统计数字虚高。先勾忽略行尾空白看一遍,数字掉下来的部分就是噪音。
注意缩进不会被忽略。行首的空格和 Tab 是行文本的一部分,工具只处理行尾。如果你的两份文本缩进风格不同(四个空格 vs 一个 Tab),差异会非常多且零碎,这种时候先统一缩进,再对比。
坑三:编码不同,比较的是乱码。 一份 GBK 编码的文件、一份 UTF-8 的文件,用同一种编码去读,中文会变成问号或方块。这时候 diff 会认真告诉你”这两段完全不同”——它没说错,你喂给它的确实已经是乱码了。
对比工具处理的是浏览器里的文本,不做编码探测和转码。所以顺序必须是:先确认两份文本的编码一致,再谈对比。看到大片差异且内容是乱码时,别怀疑 diff 算法,回去查编码。
坑四:超大文本降级对齐。 前面提过,行级超过两侧各两千行左右,工具会改用粗略对齐:先比首尾相同的部分,中间按位置逐行配对。结果不会崩、不会卡死,但准确度会下降——尤其是两份文本结构差异较大时,会出现”明明只改了一处,却红了一大片”。
看到这种情况,先看统计里的规模,再决定要不要分段比。判断方法很简单:如果差异区块少但每块特别大,而你确信只改了几行,基本就是降级对齐的结果。
坑五:内容被移动,看起来像大改。 把一段配置从文件开头挪到结尾,LCS 会判定”开头删了一大段、结尾加了一大段”。方向没错,但读起来像是重写。遇到大面积红绿又确信没大改时,先怀疑”是不是挪位置了”,再逐段核对。
坑六:看不见的字符。 BOM(文件开头的 \uFEFF)、零宽空格、全角空格、不间断空格、Tab 和空格的混用。行级对比里它们完全隐形,两个看起来一模一样的行被判成不同,你会怀疑工具坏了。
定位办法:切到字符级,把范围缩小到那一行,多出来的那个字符会单独占一条。这时候你才知道要去清理什么。日常遇到”明明一样却说不一样”,九成是这类字符,剩下一成是编码。
✅ 看到结果之后,按这个顺序读
结果区一大堆红绿,第一次用容易直接从头读。更快的顺序是三步。
第一步,读统计。 新增几条、删除几条、几个差异区块。这一步只回答”规模”,不回答”内容”。新增删除都为 0,显示”未发现差异”,那就到此为止——注意,这里的”没差异”是按当前粒度与忽略选项判定的,勾了忽略大小写之后判定相同,不代表原文一样。
第二步,看区块分布。 一个区块集中在某几行,是局部改动;七八个区块散落全文,多半是格式问题(换行、空格、编码),或者两份文本根本不是同一个版本。
第三步,逐块确认方向。 左边是旧、右边是新。红的是被删掉的旧内容,绿的是新增的新内容。确认一处,再用灰色块跳到下一处——灰色块的长度就是你的”跳转距离”。
三步走完,再决定要不要换粒度复查。行级确认”改了几处”,词级确认”改了什么”,字符级只在个别行上用来抓不可见字符。粒度是工具,不是流程,不需要每次都全跑一遍。
❓ 常见问题
我的文本会被上传到服务器吗?
不会。对比在浏览器里完成,粘贴的内容不发网络请求。配置、日志、合同这类不方便外传的文本可以直接粘。为什么我勾了"忽略行尾空白",某些行还是标红了?
忽略选项只处理行尾的空格和 Tab。行首缩进、行中间的空格、全角空格都不在忽略范围内。如果差异在行内,换个粒度(词级或字符级)看看具体是哪个字符不同。只改了一个字,为什么整行都变红变绿?
因为行级以"整行"为单位比较。一行里任何一个字符变了,这一行就是"删掉旧行、新增新行"。想知道具体改了哪个字,切到词级或字符级。能直接上传 Word、PDF、Excel 文件对比吗?
不能。这个工具处理的是粘贴进来的纯文本,没有文件解析能力。Word 文档建议用 Word 自带的「审阅 → 比较文档」,它会连格式和批注一起比;只想比文字内容的话,把两边的正文复制出来粘进来即可,注意复制时会带入行尾空格,建议勾上"忽略行尾空白"。结果里有行号吗?
没有。差异视图和导出的文本都不带行号。需要按行号定位(比如"第 128 行有问题"),可以先用 [行号处理工具](https://www.xingdian.net/app/text/line-number/) 给两边加上行号再对比,行号本身会成为内容的一部分参与比较。复制出来的 diff 能直接用 git apply 吗?
不能。导出的是带 `+` / `-` / 空格前缀的完整文本,没有 `@@` 区块头和行号,不是标准 patch 格式。它的用途是给人看、贴进工单或发布说明。需要可应用的补丁,用 git diff 生成。两份文本都很大,怎么比才靠谱?
先分段,再对比。按章节、按时间段、按配置块切开,每次比一小段。整体对比在大规模下会降级为粗略对齐,统计数量还行,具体区块的位置可能不准。另外先用 [文本清理工具](https://www.xingdian.net/app/text/clean/) 统一换行、去掉多余空行,能显著减少噪音。可以对比两段 JSON 吗?
可以,但结果未必好看。JSON 的差异往往不是"行不同",而是"结构不同":少一个逗号、多一层嵌套,格式化后可能整段位移,行级对比会显示大片红绿。建议两边先用同一套格式化规则处理(缩进、键顺序一致),再对比;如果关注的是字段级差异,用 [星点 JSON 工具完整指南](https://www.xingdian.net/blog/posts/xingdian-json-tools-guide/) 里提到的格式化与校验工具配合更合适。中文分词准不准?会不会把词切错?
词级用的是浏览器的语言分词,常见的中文词语能正确切开,专有名词、缩写、中英混排仍可能切得不理想。它是"辅助定位"的粒度,不是语言分析工具。判断语义有没有变,最终还得靠人读。需要注册或付费吗?
不需要。打开就能用,没有次数限制,也没有文件大小之外的付费门槛。🔗 对比之前和之后,还能接哪些工具
文本对比很少是孤立的一步。按你手上的问题选下一站:
- 两份文本”看起来一样但被判不同”→ 先用 文本清理工具 统一换行符、去掉行尾空格和多余空行,再回来对比,噪音会少一大半;
- 对比完发现新版多了一堆重复条目 → 文本去重工具 按行去重,保留首次出现,还能导出重复项清单;
- 只想知道改动让字数变了多少 → 文本统计工具 看码点数、UTF-8 字节数和行数,两边各跑一次做减法;
- 要按规则批量改、改完再比对 → 文本替换工具 支持正则和捕获组,改完粘回来验证;
- 多个处理步骤要串起来(去空行 → 替换 → 去重)→ 批量文本处理 可以组合步骤并逐步预览。
这一整套都在星点文本工具系列下,十一个工具,不需要登录,全部在浏览器本地处理。文本系列的其他用法可以看系列总览,按场景挑入口。
💬 收尾
文本对比这件事,难点从来不在”找出不同”,而在”看懂不同”。工具负责把两千行压成三个区块,剩下的判断——这处改动是有意的还是手滑、这个空格是格式还是语义、这段位移是重排还是重写——只能靠人。
所以用它的正确姿势不是”点一下看结果”,而是带着问题去比:我要确认的是”改了几处”,还是”改了什么”,还是”有没有混进看不见的字符”。三个问题对应三种粒度、三种勾选组合。想清楚再粘,比来回切换十次快得多。
下次再收到「最终版_2」,左边旧稿、右边新稿,三十秒的事。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!