Der Vergleich zweier Textversionen – Code, Dokumente, Konfigurationsdateien, Verträge – ist eine der häufigsten technischen Aufgaben, und ein gutes Diff-Tool macht den Unterschied zwischen einer schnellen Überprüfung und einer fehleranfälligen Plackerei. Der Unix-Befehl „diff“ stammt aus dem Jahr 1974 und die Algorithmen hinter modernen Diff-Tools haben sich seit den 1980er Jahren nicht grundlegend geändert, aber die Benutzeroberfläche zur Visualisierung von Unterschieden hat sich dramatisch verbessert. In den folgenden Abschnitten wird erläutert, wie Diff-Algorithmen tatsächlich unter der Haube funktionieren, wann ein Vergleich auf Zeilen- und Wortebene verwendet werden sollte und welche spezifischen Arbeitsabläufe es gibt, bei denen ein browserbasiertes Diff-Tool besser ist als das Ausführen von „git diff“ oder das Öffnen einer umfangreichen IDE.
Wie unterschiedliche Algorithmen tatsächlich funktionieren
Moderne Diff-Tools basieren auf dem Longest Common Subsequence (LCS)-Algorithmus, einem klassischen Problem der dynamischen Programmierung, das erstmals in den 1970er Jahren gelöst und seitdem verfeinert wurde. Bei zwei Eingabetexten findet der LCS-Algorithmus die längste Folge von Tokens (normalerweise Zeilen oder Wörter), die in beiden Eingaben in derselben Reihenfolge vorkommen, auch wenn sie durch andere Tokens getrennt sind. Alles innerhalb des LCS ist als „unverändert“ gekennzeichnet; Alles außerhalb des LCS wird entweder als Hinzufügung (nur in der neuen Version vorhanden) oder als Löschung (nur in der alten Version vorhanden) klassifiziert. Der LCS-Algorithmus selbst läuft in O(m × n) Zeit und Raum, wobei m und n die Token-Anzahl jeder Eingabe sind. Bei typischen Dokumenten und Codedateien mit einigen hundert bis einigen tausend Zeilen geschieht dies im Wesentlichen sofort. Bei sehr großen Dateien (über 100.000 Zeilen) liefern ausgefeiltere Algorithmen wie Myers' Diff (von Git verwendet) oder Patience Diff (behandelt einige Randfälle besser) ähnliche Ergebnisse effizienter. Das Ergebnis des Algorithmus ist ein minimales Bearbeitungsskript – die wenigsten Hinzufügungen und Löschungen, die eine Eingabe in die andere umwandeln. Verschiedene Diff-Tools implementieren dieses Bearbeitungsskript unterschiedlich in ihrer Benutzeroberfläche, aber die zugrunde liegende Mathematik ist dieselbe. Diff-Tokenisierung auf Zeilenebene durch Zeilenumbruch; Diff auf Wortebene wird durch Leerzeichengrenzen tokenisiert; Diff-Tokenisierung auf Zeichenebene durch einzelne Unicode-Codepunkte. Jede Ebene erfasst unterschiedliche Arten von Änderungen – die Zeilenebene eignet sich am besten für Code, die Wortebene eignet sich am besten für Prosa und die Zeichenebene eignet sich zum Erkennen kleiner Änderungen wie Tippfehler.
Wann sollte der Unterschied auf Zeilenebene vs. auf Wortebene verwendet werden?
Die von Ihnen gewählte Tokenisierungsstufe hat großen Einfluss darauf, wie nützlich die Diff-Ausgabe für Ihre Aufgabe ist. Der Unterschied auf Zeilenebene behandelt jede Zeile als atomare Einheit – eine Zeile stimmt entweder vollständig überein oder wird als geändert markiert. Dies funktioniert wunderbar für Code, bei dem die sinnvollsten Änderungen das Hinzufügen, Entfernen oder Ersetzen ganzer Zeilen oder Blöcke umfassen. Der Unterschied auf Zeilenebene wird standardmäßig von Git, GitHub PR-Ansichten, der Registerkarte „Quellcodeverwaltung“ von VS Code und den IDE-Merge-Tools verwendet. Bei Prosadokumenten wie Blogbeiträgen, Verträgen oder Dokumentationen führt die Differenz auf Zeilenebene zu verwirrenden Ergebnissen, da bei den meisten Prosabearbeitungen einige Wörter innerhalb ansonsten identischer Absätze geändert werden – und auf Zeilenebene der gesamte Absatz als geändert markiert wird, sodass der Prüfer den Unterschied manuell prüfen muss. Diff auf Wortebene behebt dieses Problem, indem es nach Leerzeichen aufteilt und nur die geänderten Wörter markiert. Ein Satz, der von „der schnelle Braunfuchs“ zu „ein schneller Braunfuchs“ wechselte, wird angezeigt, wobei nur „der“ → „a“ und „schnell“ → „schnell“ hervorgehoben sind, während „Braunfuchs“ unverändert bleibt. Dies entspricht der Art und Weise, wie Autoren und Redakteure tatsächlich über Veränderungen denken. Der Unterschied auf Zeichenebene ist für bestimmte Fälle reserviert: Erkennen von nachgestellten Leerzeichenänderungen, Erkennen unsichtbarer Unicode-Zeichenersetzungen und einige Arbeitsabläufe zur Rechtschreibkorrektur. Die meisten praktischen Tools verwenden standardmäßig die Zeilenebene und bieten als Umschalter die Wortebene an, was dieses Tool auch tut.
Wenn ein browserbasiertes Diff Git oder eine IDE übertrifft
Git und moderne IDEs verfügen über hervorragende integrierte Diff-Tools. Warum gibt es also ein browserbasiertes Diff-Tool? Mehrere praktische Szenarien machen das Browser-Tool zur besseren Wahl. Vergleichen von Text, der sich nicht in einem Repository befindet: eingefügter Inhalt aus E-Mails, Antworten von verschiedenen API-Endpunkten, zwei Versionen einer Konfiguration, die von verschiedenen Servern kopiert wurden, Ausgabe von zwei Ausführungen desselben Skripts. Git und IDEs erfordern, dass Inhalte in Dateien in einem Projekt vorliegen, was bei Ad-hoc-Vergleichen problematisch ist. Vergleich der generierten Ausgabe zum Debuggen: zwei JSON-Antworten, zwei Protokolldateien, zwei gerenderte HTML-Seiten – das Browser-Tool akzeptiert das Einfügen und zeigt Unterschiede sofort an, ohne dass eine temporäre Dateiverwaltung erforderlich ist. Benutzer, die keine Entwickler sind und weder Git noch eine IDE installiert haben: Produktmanager vergleichen Spezifikationsrevisionen, Autoren vergleichen Entwürfe, Rechtsteams vergleichen Vertragsversionen, Lehrer vergleichen Schülerbeiträge. Schnelle einmalige Kontrollen während Besprechungen oder Anrufen: Fügen Sie zwei Zeichenfolgen ein, über die jemand streitet, und erhalten Sie in Sekundenschnelle die Antwort. Datenschutzrelevante Inhalte: Dieser Diff wird vollständig in Ihrem Browser ausgeführt, sodass für den Vergleich vertraulicher Texte (interne Richtlinien, HR-Dokumente, Sicherheitskonfigurationen) kein Hochladen in einen Cloud-Diff-Dienst oder die Speicherung in einem lokalen Repository erforderlich ist. Das Browser-Tool unterstützt auch das Teilen einer URL eines bestimmten Vergleichs, was nützlich ist, um in einem Code-Review-Kommentar oder Fehlerbericht auf ein bestimmtes Ergebnis zu verweisen, ohne den Vergleichskontext manuell zu reproduzieren.