Edición de «Diff»

{{Título en minúscula}}
[[Archivo:Tkdiff screenshot.png|miniaturadeimagen|Diff sin cambiar (izquierda) - Diff con los respectivos cambios (derecha) - Tkdiff.]]
En [[informática]], '''<tt>diff</tt>''' es una utilidad para la comparación de archivos que genera las diferencias entre dos archivos o los cambios realizados en un archivo determinado comparándolo con una versión anterior del mismo archivo. Diff expone los cambios realizados por línea en los archivos de texto. Las implementaciones modernas también soportan archivos binarios.<ref>MacKenzie ''et al''. "Binary Files and Forcing Text Comparison" in ''Comparing and Merging Files with GNU Diff and Patch''. Descargado el 28 de abril de 2007. [http://www.gnu.org/software/diffutils/manual/html_node/Binary.html]</ref> El resultado se conoce como diff o '''patch''' ya que el mismo puede ser aplicado con el programa [[Unix]] <tt>[[patch (Unix)|patch]]</tt>. El resultado de la comparación de un archivo similar también se llama "diff". De la misma manera que se usa la palabra "[[grep]]" para describir la acción de buscar, la palabra ''diff'' se usa en la [[jerga]] como un verbo que se refiere al cálculo de cualquier diferencia. Un ejemplo de [//es.wikipedia.org/w/index.php?title=Diff&diff=18658482&oldid=18658067 diff].

== Historia ==

La utilidad diff fue desarrollada a comienzos de los años setenta en el sistema operativo [[Unix]] que estaba creándose en [[AT&T]] [[Bell Labs]] en Murray Hill, Nueva Jersey. La versión final, que apareció por primera vez con la 5.ª edición de Unix en 1974, fue toda ella escrita por [[Douglas McIlroy]]. Este trabajo fue publicado en un artículo de 1976 coescrito con [[James W. Hunt]] que desarrolló un prototipo inicial de diff.<ref>{{cita publicación|autor=James W. Hunt and M. Douglas McIlroy|título=[http://www.cs.dartmouth.edu/~doug/ An Algorithm for Differential File Comparison]|volumen=41|revista=Computing Science Technical Report, Bell Laboratories|año=June 1976|páginas=}}</ref>

El trabajo de McIlroy fue precedido e influido por el programa comparison de [[Stephen C. Johnson|Steve Johnson]] en [[GECOS]] y por el programa <tt>proof</tt> de [[Mike Lesk]] también originado en Unix y, como diff, producía cambios línea a línea e incluso utilizaba paréntesis angulares (">" y "<") para presentar las inserciones y borrados de línea en el resultado del programa. Las [[heurística]]s utilizadas en estas primeras aplicaciones fueron, sin embargo, juzgadas como no fiables. La utilidad potencial de la herramienta diff provocó que McIlroy acometiese la investigación y diseño de una herramienta más robusta que podía usarse en una gran variedad de tareas pero que al tiempo se condujese bien en los procesos y con las limitaciones de tamaño del hardware de [[PDP-11]]. Su análisis del problema lo llevó a cabo con la colaboración de distintas personas de Bell Labs como [[Alfred Aho]], [[Elliot Pinson]], [[Jeffrey Ullman]] y [[Harold S. Stone]].

En el contexto de Unix, el uso del editor de línea <tt>[[ed (Unix)|ed]]</tt> proveía diff con la habilidad natural para crear órdenes de edición útiles. Estas órdenes de edición, cuando se grababan en un archivo, podían, junto con el archivo original, ser reconstituidas completamente por <tt>ed</tt> en el archivo modificado. Esto reducía enormemente el necesario almacenamiento secundario para mantener las distintas versiones de un archivo. McIlroy consideró escribir un post-procesador para diff donde una variedad de formatos de resultados pudiesen ser diseñados e implementados, pero encontró que era más frugal y sencillo hacer que diff fuese el responsable de generar la sintaxis y la información de [[entrada]] de orden contrario aceptada por el comando <tt>ed</tt>.
En 1985, [[Larry Wall]] compuso una utilidadh, [[patch (Unix)|patch]], que generalizó y extendió la habilidad para modificar archivos con resultado diff. Los modos de [[Emacs]] permiten también convertir el formato de patches e incluso editar patches interactivamente.

En los primeros años de diff, los usos habituales eran la comparación de cambios en la fuente del código del software y el marcado de documentos técnicos, la verificación de la salida de errores de programa, la comparación de listados de sistemas de archivos y el análisis del código del montaje del ordenador. La salida apuntada por <tt>ed</tt> fue modificada para proporcionar compresión a una secuencia de modificaciones hecha a un archivo. La [[Source Code Control System]] (SCCS) y su habilidad para archivar revisiones apareció a finales de los años setenta como consecuencia de almacenar órdenes de edición de diff. 

El [[Project Xanadu]] es un predecesor conceptual de diff. Era un proyecto de hipertexto concebido por primera vez en 1960 que debía incluir una versión de un sistema de seguimiento necesario para su característica de "transpointing windows". La característica subsumía las diferencias de archivos en el término expansivo "[[transclusión]]", en el que un documento incluía en él partes de otros documentos o revisiones.

== Algoritmo ==

La operación de diff se basa en resolver el problema [[Problema de subsecuencia común más larga]] (LCS). 

En el problema LCS, se tienen dos secuencias de ítems:

        a b c d f g h j q z

        a b c d e f g i j k r x y z

y se desea encontrar la secuencia más larga de ítems que se presenta en las dos secuencias originales en el mismo orden. Esto es, se quiere encontrar una nueva secuencia que pueda obtenerse de la primera secuencia eliminando algunos ítems, y de la segunda secuencia eliminando otros ítems. Se quiere también que esta secuencia sea tan larga como sea posible. En este caso es:

        a b c d f g j z

De la subsecuencia común más larga solo hay un pequeño paso para conseguir un resultado del tipo de diff:

        e   h i   q   k r x y 
        +   - +   -   + + + +

== Uso ==

Es invocado desde la línea de comando con los nombres de dos archivos: <tt>diff ''original''  ''new''</tt>. El resultado del comando representa los cambios requeridos para hacer que el archivo ''original'' se convierta en el ''nuevo'' archivo.

Si ''original'' y ''nuevo'' son directorios, entonces diff se ejecutará sobre cada archivo que exista en ambos directorios. Una opción, <tt>-r</tt>, hará que cualesquiera subdirectorios emparejados comparen archivos entre directorios.

Todos los ejemplos en el artículo usan los archivos ''original'' y ''nuevo'':
{|
{{Columna}}
''original'':
 Esta parte del
 documento ha permanecido 
 igual de versión a
 versión. No debería 
 ser mostrada si no 
 cambia. Ya que eso
 no ayudaría a 
 comprimir el tamaño de los
 cambios.
 
 Este párrafo contiene
 texto que está anticuado.
 Será borrado en 
 breve.
 
 Es importante revisar
 deternidamente este documento. Por
 otro lado, una
 palabra mal escrita no es
 el fin del mundo.
 Nada de lo que hay en lo que queda
 de este párrafo necesita
 ser cambiado. Cualquier cosa puede
 añadirse después de él.
{{Columna}}
''nuevo'':
 Esta es una importante
 noticia. ¡Debería
 por lo tanto situarse al 
 comienzo de este
 documento!
 
 Esta parte del
 documento ha permanecido 
 igual de versión a
 versión. No debería 
 ser mostrada si no 
 cambia. Ya que eso
 no ayudaría a
 comprimir nada.
 
 Es importante revisar
 detenidamente este documento. Por
 otro lado, una
 palabra mal escrita no es
 el fin del mundo.
 Nada de lo que hay en lo que queda
 de este párrafo necesita
 ser cambiado. Cualquier cosa puede
 añadirse después de él.
 
 Este párrafo contiene
 importantes nuevas adiciones
 a este documento.
|}
El comando <tt>diff original nuevo</tt> produce el siguiente ''resultado diff normal'':
 0a1,6
 > Esta es una importante
 > noticia. ¡Debería
 > por lo tanto situarse al 
 > comienzo de este
 > documento!
 >
 8,14c14
 < comprimir el tamaño de los
 < cambios.
 <
 < Este párrafo contiene
 < texto que está anticuado.
 < Será borrado en
 < breve.
 ---
 > comprimir nada.
 17c17
 < deternidamente este documento. Por
 ---
 > detenidamente este documento. Por
 24a25,28
 >
 > Este párrafo contiene
 > importantes nuevas adiciones
 > a este documento.
En este formato de salida tradicional, '''<tt>a</tt>''' sustituye a ''añadido'', '''<tt>d</tt>''' a ''borrado'' (''d''eleted) y '''<tt>c</tt>''' a ''cambiado''. Los números de línea del archivo original aparecen antes de <tt>a</tt>/<tt>d</tt>/<tt>c</tt> y los del archivo modificado después. Los [[paréntesis angulares]] aparecen al comienzo de las líneas que son añadidas, borradas o cambiadas. Las líneas añadidas se incluyen en el archivo original para aparecer en el archivo nuevo. Las líneas borradas se eliminan del archivo original para ser borradas en el archivo nuevo.

Por defecto, las líneas comunes a los dos archivos no se muestran. Las líneas que se han movido se muestran como añadidas en su nuevo lugar y como borradas en su antiguo lugar.<ref>{{cita libro|título=[http://www.gnu.org/software/diffutils/manual/ Comparing and Merging Files with GNU Diff and Patch]|autor=David MacKenzie, Paul Eggert, and Richard Stallman|isbn = 0-9541617-5-0|editorial=|año=1997}}</ref>

== Variantes ==

La mayoría de las implementaciones de diff se han mantenido aparentemente sin cambios desde 1975. Las modificaciones consisten en mejoras en el algoritmo base, la adición de características útiles al comando y el diseño de un nuevos formatos de salida. El algoritmo básico se describe en el artículo ''An O(ND) Difference Algorithm and its Variations'' de Eugene W. Myers<ref>{{cita publicación|autor=E. Myers|título=[http://citeseer.ist.psu.edu/myers86ond.html An O(ND) Difference Algorithm and Its Variations]|revista=Algorithmica|volumen=1|número=2|año=1986|páginas=251–266}}</ref>
y en ''A File Comparison Program'' de Webb Miller and Myers.<ref>{{cita publicación|autor=Webb Miller and Eugene W. Myers|título=A File Comparison Program|url=https://archive.org/details/sim_software-practice-experience_1985-11_15_11/page/1025|revista=Software — Practice and Experience|volumen=15|número=11|año=1985|páginas=1025–1040|doi=10.1002/spe.4380151102}}</ref>
El algoritmo fue descubierto independientemente y descrito en ''Algorithms for Approximate String Matching'', de [[E. Ukkonen]].<ref>{{cita publicación|autor=E. Ukkonen|título=Algorithms for Approximate String Matching|volumen=64|revista=Information and Control|año=1985|páginas=100–118 | doi = 10.1016/S0019-9958(85)80046-2}}</ref>
Las primeras ediciones del programa diff fueron diseñadas para la comparación de líneas de archivos de texto dejando que el carácter [[newline]] delimitase las líneas. En los años ochenta, la ayuda para los archivos binarios dio lugar a un cambio en el diseño y la implementación de la aplicación. 

=== Edit script ===
Un edit script puede generarse por medio de versiones modernas de diff con la opción <tt>-e</tt>. option. El edit script resultante para el ejemplo anterior es el siguiente:
 24a
 
 Este párrafo contiene
 importantes nuevas adiciones
 a este documento.
 .
 17c
 detenidamente este documento. Por
 .
 8,14c
 comprimir nada.
 .
 0a
 Esta es una importante
 noticia! Debería
 por lo tanto ser situada al
 comienzo de este
 documento! 
 .

== Referencias ==
{{listaref}}

== Véase también ==
*[[Distancia de Levenshtein]]

== Enlaces externos ==
*[http://www.gnu.org/software/diffutils/diffutils.html Sitio oficial] (en inglés)

{{Control de autoridades}}
[[Categoría:Programación]]
[[Categoría:Diferenciación de datos]]
[[Categoría:Utilidades Unix SUS2008]]