Shotnest · Bibliothèque
Comparer des textes contenant des espaces répétés
Red blue avec deux espaces n’est pas exactement identique à Red blue, mais les deux se réduisent à red blue : l’égalité normalisée est Oui et le chevauchement des mots vaut 1.
Trois niveaux de ressemblance
Exactement identiques compare les chaînes brutes caractère par caractère : une deuxième espace rend donc Red blue différent de Red blue. Identiques après normalisation met d’abord en minuscules et neutralise les accents, puis remplace chaque suite d’espaces, de tabulations ou de sauts de ligne par une seule espace et supprime celles des extrémités. Les deux saisies deviennent red blue. Chevauchement des mots compare ensuite les mots distincts, ici un ensemble identique, ce qui donne 1.
La même réduction explique d’autres paires. Une tabulation et un saut de ligne final, comme dans Red, tabulation, blue, saut de ligne, se normalisent aussi en red blue. Café et cafe deviennent également égaux, car la neutralisation des accents a lieu avant la réduction des espaces.
La table de lettres utilisée par la recherche s’applique ici aussi : les lettres pleine chasse et l’espace idéographique sont converties avant la réduction des espaces, si bien que ＲＥＤ ＢＬＵＥ se normalise en red blue et lui est égal.
Données d’entrée
- Premier texte
- Red blue
- Deuxième texte
- Red blue
Résultats
- Exactement identiques
- Non
- Identiques après normalisation
- Oui
- Chevauchement des mots
- 1
- Seulement dans le premier texte
- Non disponible
- Seulement dans le deuxième texte
- Non disponible
Le chevauchement textuel ne prouve pas que deux images ou documents sont identiques.
Décider si l’espacement compte
- Lisez d’abord Exactement identiques ; Non signifie qu’au moins un caractère diffère.
- Lisez Identiques après normalisation ; Oui signifie que la différence tenait à la casse, aux accents ou aux espaces.
- Demandez-vous si la mise en page a un sens, comme dans du code, un poème ou un tableau.
- Si c’est le cas, comparez les captures d’origine plutôt que le texte extrait.
- Red, tabulation, blue, saut de ligne / red blue · normalisé
- Oui
- Café / cafe · exact
- Non
- Café / cafe · normalisé
- Oui
Erreurs avec les espaces réduites
- Déclarer deux extraits de code identiques alors que seule la ligne normalisée indique Oui ; l’indentation peut différer.
- S’attendre à ce que le champ de recherche réduise les espaces de la même façon ; sur ce site, il ne le fait pas.
- Oublier que la reconnaissance de texte peut ajouter ou supprimer des espaces entre des colonnes.
- Prendre un Oui normalisé pour la preuve que l’orthographe est la même ; Müller et Muller sont égaux après neutralisation, alors qu’il peut s’agir de noms différents.
Texte égal, images peut-être différentes
L’égalité normalisée ne décrit que les mots extraits. Deux captures au texte égal peuvent encore différer par la mise en page, la couleur ou un détail que la reconnaissance de texte a manqué.
Dans le nettoyage de Shotnest, le contrôle du texte utilise des mots faits uniquement de lettres, si bien que les chiffres y sont ignorés aussi ; c’est l’empreinte d’image qui sépare deux écrans presque identiques.