Compare dois textos com um hash

Por que um hash é uma comparação confiável

Uma boa função hash envia cada entrada diferente para um resumo distinto e imprevisível. Para o SHA-256 não se conhece nenhuma forma de encontrar dois textos diferentes com o mesmo resumo, então resumos iguais significam conteúdo igual para qualquer uso prático. Além disso, os resumos são curtos: você compara 64 caracteres em vez de páginas inteiras.

Um exemplo prático

Os dois textos diferem por uma única letra maiúscula, e os resumos não têm nenhuma semelhança visível. Assim, até as menores edições ficam evidentes.

O que conta como diferença

A comparação é feita byte a byte. Todas estas mudanças alteram o resumo:

• um espaço extra no fim de uma linha;
• uma quebra de linha no fim do texto;
• um tipo diferente de apóstrofo ou de travessão que parece igual na tela;
• letras acentuadas digitadas de formas diferentes, por exemplo uma letra seguida de um acento separado em vez de um caractere único combinado.

Se dois textos parecem idênticos, mas os resumos são diferentes, a causa provável é uma dessas diferenças invisíveis. Calcular o hash com e sem a quebra de linha final mostra isso rapidamente.

Escolhendo o algoritmo

Use o mesmo algoritmo nos dois textos. O SHA-256 é uma escolha segura por padrão. MD5 e SHA-1 também detectam diferenças comuns, mas não devem ser usados se alguém puder forjar uma colisão de propósito. O CRC32 é mais curto, porém mais fraco para coleções grandes.

Observe que a ferramenta mostra, na lista completa, todos os resumos do texto calculado, então você pode comparar mais de um algoritmo de uma só vez.

Um fluxo de trabalho prático

Guarde o resumo do texto original em suas anotações ou no chamado. Quando chegar uma nova versão, calcule o hash com o mesmo algoritmo e compare. Isso funciona bem para trechos de configuração, textos jurídicos, cláusulas de contratos e modelos de texto, quando você precisa provar que nada foi alterado, e não apenas listar as mudanças.

Quando os resumos são diferentes

Não presuma que o conteúdo está errado. Primeiro verifique as causas comuns: texto copiado pode trazer um espaço no fim, outro estilo de quebra de linha ou um caractere oculto vindo de uma página da web ou de um processador de textos. Calcule o hash das duas versões depois de limpá-las da mesma forma. Se os resumos continuarem diferentes, divida cada texto em parágrafos, calcule o hash de cada um e compare os pares até encontrar o que mudou.