Shotnest · Biblioteca
Compare textos com espaços repetidos
Red blue com dois espaços não é exatamente igual a Red blue, mas os dois viram red blue; por isso a igualdade normalizada dá Sim e a sobreposição de palavras dá 1.
Três níveis de igualdade
Exatamente iguais compara as sequências brutas caractere por caractere, então um segundo espaço torna Red blue diferente de Red blue. Iguais após normalização primeiro passa para minúsculas e neutraliza os acentos, depois troca cada sequência de espaços, tabulações ou quebras de linha por um único espaço e apara as duas pontas. As duas entradas viram red blue. Sobreposição de palavras compara então as palavras distintas, aqui um conjunto idêntico, o que dá 1.
A mesma redução explica outros pares. Uma tabulação e uma quebra de linha no fim, como em Red, tabulação, blue, quebra de linha, também viram red blue. Café e cafe também ficam iguais, porque a neutralização de acentos acontece antes da redução dos espaços.
A tabela de letras usada pela busca também roda aqui, então as letras de largura total e o espaço ideográfico são convertidos antes da redução dos espaços: ＲＥＤ ＢＬＵＥ vira red blue e fica igual a ele.
Dados de entrada
- Primeiro texto
- Red blue
- Segundo texto
- Red blue
Resultados
- Exatamente iguais
- Não
- Iguais após normalização
- Sim
- Sobreposição de palavras
- 1
- Apenas no primeiro texto
- Não disponível
- Apenas no segundo texto
- Não disponível
A sobreposição de texto não prova que duas imagens ou documentos sejam idênticos.
Decida se o espaçamento importa
- Leia primeiro Exatamente iguais; Não quer dizer que pelo menos um caractere difere.
- Leia Iguais após normalização; Sim quer dizer que a diferença estava em maiúsculas, acentos ou espaços em branco.
- Pergunte-se se o layout carrega sentido, como acontece em código, poesia ou tabela.
- Se carregar, compare as capturas originais em vez do texto extraído.
- Red, tabulação, blue, quebra de linha × red blue · normalizado
- Sim
- Café × cafe · exato
- Não
- Café × cafe · normalizado
- Sim
Erros com espaços reduzidos
- Chamar dois trechos de código de idênticos quando só a linha normalizada diz Sim; o recuo pode ser diferente.
- Esperar que a caixa de busca reduza os espaços do mesmo jeito; neste site ela não reduz.
- Esquecer que o reconhecimento de texto pode acrescentar ou tirar espaços entre colunas.
- Ler o Sim normalizado como prova de que a grafia é a mesma; Müller e Muller ficam iguais após a neutralização, embora possam ser nomes diferentes.
Texto igual, imagens talvez diferentes
A igualdade normalizada descreve só as palavras extraídas. Duas capturas com texto igual ainda podem diferir no layout, na cor ou num detalhe que o reconhecimento de texto deixou escapar.
Na limpeza do Shotnest, a verificação de texto usa palavras só de letras, então os dígitos também são ignorados ali; é a impressão digital da imagem que separa duas telas quase idênticas.