Calculadora de Similaridade de Strings

Compare duas strings usando cinco algoritmos bem conhecidos de distância de string e similaridade de string ao mesmo tempo: distância de edição Levenshtein, similaridade Jaro e Jaro-Winkler, distância de Hamming e similaridade cosseno sobre bigramas de caracteres. Onde uma ferramenta de comparação de texto simples mostra o que mudou, esta ferramenta diz quanto — como números exatos e reproduzíveis.

Como usar

Digite ou cole String A e String B, e leia os resultados instantaneamente — a ferramenta recalcula a cada toque de tecla. Ative Ignorar maiúsculas/minúsculas para tratar "Palavra" e "palavra" como iguais em todos os métricas.

O que cada métrica significa

• Distância Levenshtein — o número mínimo de inserções, exclusões e substituições de caracteres únicos necessários para transformar String A em String B. A linha Similaridade Levenshtein expressa a mesma distância como uma percentagem (1 − distância ÷ comprimento da string mais longa).
• Operações de Edição Levenshtein — um detalhamento exato de quantas inserções, exclusões e substituições compõem esse script de edição mínimo, além de quantos caracteres correspondem sem alteração.
• Matriz de Distância Levenshtein — a tabela completa de programação dinâmica que o algoritmo constrói internamente, rotulada com linhas e colunas com os caracteres reais comparados. Leia uma célula como "a distância de edição entre os prefixos que terminam nesta linha e coluna". Omitido para strings mais longas que 25 caracteres, onde a grade deixa de ser legível.
• Similaridade Jaro — favorece strings que compartilham caracteres próximos em posição, tolerante a pequenas transposições (usado em sistemas de vinculação de registros e detecção de duplicatas).
• Similaridade Jaro-Winkler — similaridade Jaro aumentada para strings que compartilham um prefixo comum (até 4 caracteres), o que a torna uma escolha comum para corresponder nomes e identificadores curtos onde o início da string tende a ser mais confiável.
• Distância de Hamming — o número de caracteres diferentes na mesma posição, definido apenas quando ambas as strings têm o mesmo comprimento; mostrado como "N/A" caso contrário.
• Similaridade de Cosseno (bigramas) — trata cada string como um vetor de sequências de 2 caracteres sobrepostas e mede o ângulo entre elas, uma métrica comum em correspondência de texto fuzzy e detecção de quase-duplicatas.

Por que os algoritmos discordam?

Eles foram construídos para trabalhos diferentes. Levenshtein e Hamming contam edições brutas no nível dos caracteres, portanto, uma letra única inserida perto do início de uma string longa pode parecer uma grande mudança. Similaridade cosseno Jaro-Winkler e bigram pesam estrutura compartilhada mais que posição, portanto são frequentemente mais tolerantes com erros de digitação, reordenação e diferenças de comprimento — é por isso que sistemas de correspondência fuzzy e verificadores de ortografia tendem a favorecer sobre distância de edição simples.

É o mesmo que um diff de texto?

Não exatamente. Use esta ferramenta quando você precisa de um número preciso — desduplicando registros, ajustando um limiar de correspondência fuzzy, graduando o quão próxima uma resposta digitada está da correta. Para uma visualização lado a lado de exatamente quais palavras ou linhas mudaram entre dois blocos de texto, use a ferramenta Comparador de Texto em vez disso, ou o Verificador de Similaridade de Texto para uma pontuação geral de sobreposição de caracteres/palavras em trechos mais longos.

Privacidade

Tudo funciona no seu navegador — as strings que você digita nunca são enviadas para um servidor.