WinMerge：如何比较具有相同内容但编码不同的文件？

Question

动机：我正在重写一个文档 - 稍后要处理的文本文件。新的来源现在使用UTF-8。大部分来源是相同的。我需要找到差异。

详细信息：旧的doc源使用cp1250编码，新的源使用UTF-8。新旧源都使用相同的行结尾（CR + LF）。我正在使用Unicode版本的WinMerge应用程序（WinMergeU.exe），版本2.12.4.0。

它几乎可以工作，但是......当线条不同时，它们最初被暗黄色标记为块，并且使用较浅的颜色标记不同的部分。当在那里移动红色块光标时，下面的窗格显示不同的部分。

但是，在文本（的Unicode表示）相同的情况下，文本块也用深黄色标记。红色块也移动到文件的那些部分。在这种情况下，下面的两个窗格（显示差异）包含相同的文本，没有任何标记为不同。见下图：

第一行不同 - 这没关系。但第二行在视觉上具有相同的内容。 ASCII范围之外的唯一字符是Ú。它在编码源中具有不同的表示。这会导致标记为不同的行，但下面的窗格不会将该行标记为不同。

另请参阅以下完全相同的段落（仅源中的编码不同，使用相同的行结尾）。

看起来好像初始比较是基于线的二进制表示。是否有任何设置告诉WinMerge比较（我的意思是块标记）应该基于Unicode内容？

我努力了，但没有运气，但是。

更新：上述问题针对的是最新稳定的2.12.4。测试版2.13.22非常适合我。请参阅my answer below。

Answer 1

这并没有真正回答你关于WinMerge的问题，但是你考虑过使用另一个差异程序吗？我最喜欢的一个是kdiff - http://kdiff3.sourceforge.net/

当我使用一个UTF8文件和另一个Unicode文件对KDiff进行比较时，我得到以下结果：

这是比较屏幕 - 请注意文件上的编码是不同的，但从文本的角度来看，文件被认为是相同的：

Answer 2

我认为合并工具的任务不应该是允许合并存储在不同编码中的文件。

编码是将字节（存储在磁盘或内存中）映射到字符（显示在屏幕上）的函数。不幸的是，默认情况下，文件的编码不与文件一起存储。因此，任何想要打开文件并显示其内容的程序都需要猜测编码。虽然这有时会起作用，但它也是一个容易出错的过程。

现在，不同编码的字符集一般不重叠。那么，如果将编码X中的文件A中的字符C合并到编码Y中的文件B中，如果字符C不是编码Y的字符集的一部分，那么合并工具应该做什么？

因此，我认为合并工具的任务应该是合并二进制内容。任何其他东西都是肮脏的黑客，并且在某种程度上会失败。 （合并工具制造商可能决定提供字符级别合并，这也可能在大多数情况下都有效。但是需要进行一些猜测。）

因此，我还建议您先将旧文件翻译成UTF-8，然后将这些文件与新版本合并。

Answer 3

仅供参考。问题是最新的稳定2.12.4。我已经尝试过测试版2.13.22，它对我来说非常合适。查看完全相同文件的差异 - 仅删除文件中的第一行。 （我非常感谢作者。）

Answer 4

1. 编辑->选项
2. 从左侧的类别窗格中选择“比较”。
3. 复选框“忽略回车差异”（UNIX，Windows，Mac）

Answer 5

我建议在传播之前将文件转换为相同的编码。

如果您正在使用版本控制系统，我建议您使用以下内容：

1. 创建新的文件签出
2. 将所有文件转换为UTF-8
3. 提交文件
4. 通过
复制新文件
5. 使用WinMerge

这样你最终会在历史记录中进行两次提交 - 一次用于编码更改，另一次用于内容更改，WinMerge将按预期工作。

Answer 6

WinMerge中的选项File -> File Encoding...怎么样？它允许独立设置文件的编码。