Semelhança Entre Dois Textos
Quão parecidos são dois textos, letra a letra e pelas palavras que partilham, com o número exacto de alterações entre eles.
Resultados
O que faz esta ferramenta
«É o mesmo texto?» tem mais do que uma resposta. Dois parágrafos podem estar a uma vírgula de distância ou partilhar todas as palavras por outra ordem, e uma única percentagem esconderia a diferença. Esta página dá as duas: o número de alterações de um caractere para transformar um no outro, e a parte do vocabulário que têm em comum. Juntas dizem-lhe se está diante de uma gralha, de uma edição, de uma reordenação ou de um texto diferente.
Fórmula
distância de Levenshtein para as letras · para as palavras, as que estão nas duas a dividir pelas que estão em qualquer uma
Variáveis
| Símbolo | Significado | Unidade |
|---|---|---|
text_a | O primeiro texto | — |
text_b | O segundo texto | — |
OUT | Quão parecidos são | — |
CS | Letra a letra | % |
WS | Pelas palavras que partilham | % |
ED | Alterações para chegar de um ao outro | — |
SW | Palavras nos dois | — |
OA | Só no primeiro | — |
OB | Só no segundo | — |
SL | As palavras que partilham | — |
TR | O texto foi cortado para a comparação | — |
Exemplo resolvido
- O primeiro textoThe quick brown fox jumps over the lazy dog.
- O segundo textoThe quick brown fox leaps over the lazy dog.
- Quão parecidos sãoQuase o mesmo
- Letra a letra93,2 %
- Pelas palavras que partilham77,8 %
- Alterações para chegar de um ao outro3
- Palavras nos dois7
- Só no primeiro1
- Só no segundo1
- As palavras que partilhambrown dog fox lazy over quick the
- O texto foi cortado para a comparaçãoNão
Limitações
- O cálculo é feito inteiramente no seu navegador. Os valores que introduz nunca são enviados para um servidor.
Perguntas frequentes
Porque há duas percentagens?
Porque respondem a perguntas diferentes. O valor letra a letra conta quantas alterações de um caractere transformam um texto no outro, por isso repara numa gralha e engana-se muito com uma frase reordenada. O valor das palavras ignora a ordem por completo e pergunta que parte do vocabulário é partilhada, por isso apanha uma reescrita que diz o mesmo por outra ordem. Um par com pontuação baixa no primeiro e alta no segundo foi baralhado, não reescrito.
Porque é que corta textos longos?
Porque a comparação letra a letra custa tempo proporcional aos dois comprimentos multiplicados um pelo outro: duplique os dois textos e demora quatro vezes mais. Acima de alguns milhares de caracteres um navegador engasgava-se à vista, por isso o valor por caractere é feito sobre os primeiros quatro mil e a página diz isso numa linha própria. A comparação por palavras usa tudo o que colar, por mais longo que seja.