Question

如何在人类语言文本中使用单词diff（中文）？

我在git存储库中有一些中文的纯文本。文本已被编辑，我想看看哪些单词已被添加/删除。文件中的一行代表整段文字，所以一个简单的git diff是不够的：我们知道某些段落中的某些内容发生了变化，但我们无法看到哪些句子/单词发生了变化。

更糟糕的是，正如我所说，文字是中文的。与英语和其他印欧语言不同，中文不使用空格作为单词分隔符。整段与中文标点符号一起构成统一区块，不包含任何空格。因此，git diff --word-diff根本没有帮助。

有没有办法在中文的两个版本的文本中使用人类可读的差异？每个角色是否有相应的--word-diff？

Answer 1

我发布这个作为我自己问题的答案，但是，它只包含解决方案的一部分，指向正确的方向。仍然缺少一些东西。

从 How can I visualize per-character differences in a unified diff file? 尝试使用任一命令：

git diff --word-diff-regex=. 
git diff --color-words=.

上面两个命令中的任何一个让我非常接近。但是，我有两个问题。如果我只是输入上面的命令并查看控制台中的输出，我只会显示每个段落的开头。整行不适合控制台，git截断结尾（即大部分！）。

或者，如果我尝试重定向到文件：

git diff --color-words=. > diff.patch

然后使用vim查看文件，我得到一些混乱的混乱，看起来更像二进制代码而不是人类可读的东西。

更新：
我终于使用了这个解决方案：

wget https://git.kernel.org/cgit/git/git.git/plain/contrib/diff-highlight/diff-highlight --no-check-certificate 
chmod u+x diff-highlight
git diff --color=always | ./diff-highlight | less -R

Answer 2

逐字diff应该作为您自己的答案。从doc开始，--word-diff-regex和--color-words之间的关系如下。

--color-words[=<regex>
  Equivalent to --word-diff=color plus (if a regex was specified) --word-diff-regex=<regex>.

实际上，您可以将word-diff模式设置为porcelain，以便更好地查看控制台中的diff输出。

git diff --word-diff-regex=. --word-diff=porcelain

要将输出重定向到文件，您不应使用--color-words（默认--word-diff为color），因为生成的文本文件无法识别以某种方式编码的颜色信息由git diff作为你得到的乱七八糟的混乱。您可以使用--word-diff-regex=.，默认--word-diff模式为plain。

git diff --word-diff-regex=. > diff.patch

Answer 3

icdiff可以满足您的需求。比较中文文本时，此工具可以逐字显示差异。

非英语文本上的git word diff

3 个答案: