Similitud Entre Dos Textos
Cuánto se parecen dos textos, letra a letra y por las palabras que comparten, con el número exacto de cambios entre ellos.
Resultados
Qué hace esta herramienta
«¿Es el mismo texto?» tiene más de una respuesta. Dos párrafos pueden estar a una coma de distancia o compartir todas las palabras en otro orden, y un solo porcentaje escondería la diferencia. Esta página da los dos: el número de cambios de un carácter para convertir uno en el otro, y la parte del vocabulario que tienen en común. Entre ambos le dicen si está ante una errata, una edición, un reordenamiento o un texto distinto.
Fórmula
distancia de Levenshtein para las letras · para las palabras, las que están en ambas divididas por las que están en cualquiera
Variables
| Símbolo | Significado | Unidad |
|---|---|---|
text_a | El primer texto | — |
text_b | El segundo texto | — |
OUT | Cuánto se parecen | — |
CS | Letra a letra | % |
WS | Por las palabras que comparten | % |
ED | Cambios para pasar de uno al otro | — |
SW | Palabras en ambos | — |
OA | Solo en el primero | — |
OB | Solo en el segundo | — |
SL | Las palabras que comparten | — |
TR | El texto se cortó para la comparación | — |
Ejemplo resuelto
- El primer textoThe quick brown fox jumps over the lazy dog.
- El segundo textoThe quick brown fox leaps over the lazy dog.
- Cuánto se parecenCasi el mismo
- Letra a letra93,2 %
- Por las palabras que comparten77,8 %
- Cambios para pasar de uno al otro3
- Palabras en ambos7
- Solo en el primero1
- Solo en el segundo1
- Las palabras que compartenbrown dog fox lazy over quick the
- El texto se cortó para la comparaciónNo
Limitaciones
- El cálculo se realiza íntegramente en su navegador. Los valores introducidos nunca se envían a un servidor.
Preguntas frecuentes
¿Por qué hay dos porcentajes?
Porque responden a preguntas distintas. La cifra letra a letra cuenta cuántos cambios de un carácter convierten un texto en el otro, así que nota una errata y se descuadra mucho con una frase reordenada. La cifra de palabras ignora el orden por completo y pregunta qué parte del vocabulario se comparte, así que capta una reescritura que dice lo mismo en otro orden. Un par con puntuación baja en la primera y alta en la segunda ha sido barajado, no reescrito.
¿Por qué corta los textos largos?
Porque la comparación letra a letra cuesta un tiempo proporcional a las dos longitudes multiplicadas entre sí: duplique ambos textos y tarda cuatro veces más. Pasados unos miles de caracteres un navegador se atascaría a la vista, así que la cifra por carácter se calcula sobre los primeros cuatro mil y la página lo dice en una línea propia. La comparación por palabras usa todo lo que pegue, por largo que sea.