Y a-t-il un outil pour mesurer le pourcentage de différence de fichier ?

Faire une comparaison caractère par caractère de deux fichiers textes revient en fait à calculer une distance de Levenshtein. Il n'existe pas de programme autonome courant sous Linux qui effectue ce calcul, mais il existe des fonctions de bibliothèque (je sais que PHP en a une) et de nombreux codes d'exemple en ligne pour ce calcul.

Un autre petit inconvénient est que la distance de Levenshtein est strictement le nombre de modifications entre deux chaînes, donc si vous recherchez un pourcentage, vous devrez normaliser la distance calculée. Diviser par la moyenne des longueurs des deux chaînes (tailles des fichiers texte) est une normalisation largement utilisée.

Essayez de rediriger la sortie de la commande diff vers la commande wc. Il existe plusieurs options mais -l vous donnera probablement un décompte décent du nombre de lignes modifiées. Comme la commande diff affiche les lignes avant et après avec un certain formatage, vous devrez peut-être diviser le résultat par ce facteur, puis le placer sur le résultat de la longueur totale du fichier en lignes. wc -l

J'ai eu un problème similaire avec deux ensembles de fichiers transcrits. J'ai utilisé la distance de Levenshtein comme suggéré dans la réponse la plus votée, mais j'ai trouvé qu'utiliser Python était une meilleure option.

pip install python-Levenshtein

et le code sera celui-ci :

import sys

from Levenshtein import *

txt1 = open(sys.argv[1]).read()
txt2 = open(sys.argv[2]).read()

print("distance:", distance(txt1, txt2))

utilisez :

python distance.py fichier1 fichier2

Je suggère sdiff:

 sdiff -B -b -s ~/temp/code_old.cpp ~/temp/code_new.cpp | wc
      47     366    3685
      ^^ ~~~ nombre de lignes modifiées

ensuite:

 cat ~/temp/code_old.cpp | wc
     131     466    4388
     ^^^ ~~~ nombre de lignes avant le changement

ensuite:

 bc -l <<< "47./131.*100."

35.87786259541984732800

donne le résultat - le code a été modifié à 35%. (en comptant les lignes).