Comparar textos

Diff de texto: la herramienta del editor

Comparar dos versiones de un texto es operación diaria para quienes editan, revisan o colaboran. Cualquier cambio — una palabra corregida, un párrafo reescrito, una cláusula añadida — debe ser identificable rápido para validar o auditar. El diff automatizado hace el trabajo pesado: marca qué está solo en A, qué está solo en B, qué cambió.

Tres granularidades, tres casos

Por línea. Ideal para código, configuraciones, documentos estructurados. Cada línea se trata como unidad atómica. Si una línea cambia, se marca la línea completa como removida + línea nueva agregada. Es el modo por default de git diff.

Por palabra. Ideal para textos corridos — artículos, documentos Word, emails. Los cambios se marcan a nivel de palabra, dejando el resto del texto sin marca. Una corrección de typo afecta solo esa palabra.

Por carácter. Máxima sensibilidad. Cada letra cuenta. Útil para encontrar diferencias muy sutiles: un punto cambiado por coma, una tilde agregada, un zero-width space invisible.

Ignorar case y whitespace

A veces las diferencias visuales no importan — solo el contenido semántico. Dos opciones ayudan:

Ignorar mayúsculas. Compara con ambos textos pasados a minúscula. Útil para comparar nombres, títulos, direcciones donde el case puede variar sin cambiar el significado.

Ignorar espacios. Colapsa múltiples espacios a uno y remueve espacios al inicio/fin. Útil cuando un texto tiene formato distinto (espacios extra, tabs, newlines raros) pero el contenido es idéntico. Evita falsos positivos de diff en texto que viene de fuentes con formateo distinto.

Casos de uso

Revisión de documentos legales. Contratos que circulan por email con modificaciones. Diff por palabra detecta cada cambio sutil en cláusulas, montos, nombres.

Versioning de copy editorial. Un artículo corregido por tu editor. El diff por palabra muestra qué cambió sin volver a leer de cero.

Auditoría de código sin git. Cuando no tienes acceso a git pero tienes dos versiones de un archivo, diff por línea replica la experiencia git.

Validar traducciones. Texto original en español y su revisión. Diff por palabra muestra qué palabras cambió el revisor.

Comparar exports. Dos exports del mismo reporte en momentos distintos. Diff confirma si hubo cambios y cuáles.

Validar parafraseo. Un texto reescrito para evitar duplicación de contenido. Diff muestra qué tan profunda fue la reescritura (muy poca distancia = parafraseo superficial, mucha distancia = reescritura real).

Casos en Chile

Contratos de arriendo. Revisas el contrato propuesto por la corredora. Le pides cambios. Te envían v2. Diff por palabra confirma que solo los cambios acordados están en v2.

Documentos para el SII. Declaraciones preparadas en borrador. Diff entre borrador y versión final asegura que se aplicaron todas las correcciones pedidas.

Textos legales con múltiples versiones. Modificaciones a estatutos, políticas internas, procedimientos corporativos. Diff por línea facilita revisar actas de comités que modifican documentos extensos.

Traducciones legales. Documento en español y su traducción. Para contratos bilaterales con partes internacionales, diff ayuda a confirmar que la traducción es completa.

Algoritmo interno: Myers diff

Usamos la biblioteca diff (kpdecker/jsdiff), la misma que usa git. Implementa el algoritmo de Eugene Myers (1986), que encuentra la secuencia más corta de edición (inserciones y deleciones) que transforma A en B. Es O(ND) donde N es la suma de tamaños y D es el número de diferencias — muy rápido para textos parecidos, más lento para textos muy diferentes.

Limitaciones

No detecta movimientos. Si moviste tres líneas del principio al final del documento, el diff las reporta como eliminadas arriba y agregadas abajo. No entiende que es un movimiento.

No entiende estructura. Un JSON con claves reordenadas se ve como totalmente distinto aunque semánticamente sea igual. Para estructuras, usa herramientas específicas (jq, json-diff).

No hace merge. Solo compara. Para aplicar cambios de uno a otro, necesitas un text editor o herramienta dedicada (git merge, Meld).

Qué elegir: línea, palabra o carácter

• Código o config: por línea.
• Texto corrido editorial: por palabra.
• Búsqueda de typos finos: por carácter.
• Documento con formato raro: por palabra con “ignorar espacios”.
• Comparar títulos o nombres cortos: por palabra con “ignorar mayúsculas”.

Privacidad

Todo corre localmente. La biblioteca diff es JavaScript puro que ejecuta en el navegador. Textos sensibles — contratos, código propietario, borradores confidenciales — se procesan sin salir de tu dispositivo.

Herramientas para otros tipos de comparación

• Comparar archivos — diff binario o texto de archivos completos.
• Comparar CSVs — diff estructural de CSVs por columna clave.
• Limpiar formato — normaliza antes de comparar para evitar falsos diffs.