So sánh văn bản đặt bản gốc và bản sửa cạnh nhau, tô đỏ gạch ngang phần chỉ có ở bản gốc, tô nền xanh phần chỉ có ở bản sửa, rồi đếm 4 con số: chữ thay, chữ thêm, chữ xoá và phần trăm giống nhau. Chọn so theo chữ để soát câu chữ, theo dòng để soát danh sách hay mã. Hai văn bản chỉ được so trên trình duyệt của bạn, không lưu dữ liệu và không gửi đi đâu.
Cách so sánh văn bản theo chữ và theo dòng
Công cụ biến mỗi chữ (hoặc mỗi dòng) thành một đơn vị, tìm chuỗi đơn vị chung dài nhất giữa hai bản, phần còn lại là khác biệt.
- Chuẩn hoá hai văn bản về NFC để chữ gõ kiểu tổ hợp và dựng sẵn không bị coi là khác nhau.
- Tách đơn vị: chế độ “Chữ” tách theo dấu cách, dấu câu bám chữ đi cùng chữ; chế độ “Dòng” lấy mỗi dòng làm một đơn vị, bỏ khoảng trắng cuối dòng.
- Chạy thuật toán diff của thư viện diff-match-patch trên hai chuỗi đơn vị.
- Gom kết quả: khối bị xoá đứng liền khối được thêm tính là “thay” bằng số nhỏ hơn trong hai khối, phần dư tính là xoá hoặc thêm.
- Tính % giống = số đơn vị giữ nguyên ÷ số đơn vị của văn bản dài hơn × 100, và chênh lệch số chữ B trừ A.
Mặc định chữ hoa và chữ thường được coi là khác nhau; bật “Không phân biệt hoa/thường” nếu bạn chỉ quan tâm nội dung. Ở chế độ chữ, token chỉ gồm dấu câu hay ký hiệu vẫn được hiển thị trong phần tô màu nhưng không cộng vào số chữ. Mỗi ô có nút “Chọn file” đọc tệp .txt, .md, .csv ngay trên máy bạn, tệp không tải lên máy chủ. Cách site tách chữ ghi ở phương pháp đếm.
Ví dụ: so bản sửa luận văn sau góp ý
Bốn cặp văn bản dưới đây nằm trong bộ kiểm thử của công cụ; mọi số là kết quả thật.
| Văn bản A | Văn bản B | Thay · thêm · xoá | % giống |
|---|---|---|---|
| Hôm nay trời đẹp. Tôi đi học! | Hôm nay trời mưa. Tôi đi học! | 1 · 0 · 0 | 85,7 % (6/7), chênh 0 chữ |
| Hôm nay trời đẹp. | Hôm nay trời rất đẹp. | 0 · 1 · 0 | 80 %, chênh +1 chữ |
| 3 dòng a / b / c | 3 dòng a / x / c | 1 dòng thay | 66,7 % |
| Hôm Nay | hôm nay | Mặc định: khác hoàn toàn | 0 %; bật không phân biệt hoa/thường: 100 % |
Dòng thứ hai cho thấy cách chia phần trăm: bản B dài 5 chữ, giữ nguyên 4, nên 80 %. Thêm một chữ vào câu 4 chữ đã làm mất 20 % “độ giống”. Với văn bản ngắn, phần trăm dao động mạnh; con số chỉ ổn định khi so bài vài trăm chữ trở lên.
Sinh viên năm cuối nhận lại chương 2 luận văn kèm góp ý của giảng viên hướng dẫn thường cần trả lời hai câu: đã sửa những đâu, và sửa nhiều hay ít. Dán bản nộp lần trước vào ô A, bản mới vào ô B, chọn so theo chữ. Phần tô màu là danh sách chỗ sửa để ghi vào bảng giải trình; ô chênh lệch số chữ cho biết chương dài thêm bao nhiêu so với giới hạn trang. Tôi hay khuyên dán từng chương thay vì cả luận văn: phần tô màu dài vài chục trang thì không ai soát nổi.
% giống nhau không phải tỉ lệ đạo văn
Con số phần trăm ở đây đo hai bản của cùng một văn bản khác nhau bao nhiêu, không đo nội dung có bị sao chép từ nguồn khác hay không.
Phần mềm kiểm tra trùng lặp mà các trường dùng so bài với kho tài liệu lớn, tìm đoạn trùng dù bị đảo thứ tự hay đổi vài chữ. Công cụ này chỉ so đúng hai văn bản bạn dán, theo đúng thứ tự. Hai đoạn giống hệt nhưng đổi chỗ trước sau sẽ cho phần trăm thấp, dù không có chữ nào mới. Đừng dùng con số này để trả lời câu hỏi “bài em trùng bao nhiêu phần trăm” của khoa.
Trường hợp đặc biệt khi so hai bản
Kết quả dễ trông “sai” khi khác biệt nằm ở thứ mắt thường khó thấy.
- Đổi dấu câu bám chữ (“đẹp.” thành “đẹp!”) được tính là 1 chữ thay, vì dấu câu đi cùng chữ khi so.
- Khác nhau về khoảng trắng giữa các chữ không tính là thay đổi ở chế độ chữ; ở chế độ dòng, khoảng trắng cuối dòng bị bỏ qua nhưng khoảng trắng đầu dòng thì không.
- Đoạn văn bị đảo vị trí hiện thành một khối xoá và một khối thêm, không phải “di chuyển”.
- Bản copy từ PDF bị ngắt dòng giữa câu, so theo dòng với bản Word sẽ báo khác gần hết. Dùng chế độ chữ, hoặc nối dòng bị ngắt trước.
- Ký tự ẩn như zero-width space dán từ web làm hai chữ trông giống hệt bị báo khác; phát hiện ký tự ẩn chỉ ra chúng. Dấu cách không ngắt thì được coi như dấu cách thường.
Công cụ liên quan
- Đếm từ file Word lấy số chữ của bản .docx trước và sau khi sửa, không cần copy nội dung ra.
- Tìm từ lặp gần nhau soát bản mới sau khi sửa, vì chèn thêm câu hay sinh chữ lặp.
- Kiểm tra câu dài xem những câu vừa viết lại có dài quá không.
- Xoá khoảng trắng thừa làm sạch hai bản trước khi so theo dòng, tránh khác biệt giả.
Câu hỏi thường gặp
So sánh văn bản có kiểm tra đạo văn được không?
Không. Công cụ chỉ so hai văn bản bạn dán vào và chỉ ra chỗ khác nhau giữa chúng. Kiểm tra đạo văn cần so với kho tài liệu lớn trên mạng hoặc của trường, việc công cụ này không làm. Phần trăm giống ở đây chỉ có nghĩa khi hai ô là hai phiên bản của cùng một bài.
Word có so sánh hai văn bản được không?
Có, bằng chức năng Compare trong thẻ Review (Xem lại → So sánh), cho ra bản đánh dấu thay đổi kiểu Track Changes. Word so tốt cả định dạng và giữ được ảnh, bảng. Công cụ này hợp khi bạn chỉ có văn bản dán từ nơi khác, cần con số thêm, xoá, thay và phần trăm giống, hoặc đang dùng điện thoại không có Word.
Nên chọn so theo chữ hay theo dòng?
So theo chữ cho văn xuôi: bài luận, hợp đồng, email, nơi một câu có thể dài nhiều dòng. So theo dòng cho danh sách, bảng dán từ Excel, tệp cấu hình hoặc mã nguồn, nơi mỗi dòng là một mục độc lập. Cùng một cặp văn bản, chế độ dòng thường báo khác nhiều hơn vì chỉ cần một chữ đổi là cả dòng bị tính thay.
Phần trăm giống nhau được tính thế nào?
Lấy số chữ giữ nguyên chia cho số chữ của văn bản dài hơn, nhân 100. Mẫu A 7 chữ đổi “đẹp” thành “mưa” giữ nguyên 6 chữ, nên 6/7 = 85,7 %. Chia cho bản dài hơn để việc thêm hay xoá nhiều chữ đều làm phần trăm giảm, không bị lệch về một phía.
So sánh văn bản dài có bị chậm không?
Văn bản vài nghìn chữ thường xong ngay. Với tài liệu rất dài và khác nhau nhiều, thuật toán có giới hạn thời gian tính khoảng 2 giây; quá mức đó kết quả vẫn đúng về nội dung nhưng phần tô màu có thể gom thành khối lớn hơn cần thiết. Khi đó hãy so từng chương hoặc từng mục cho dễ đọc.
Căn cứ và nguồn
- diff-match-patch — Google (GitHub): thư viện so sánh văn bản thuần, kho mã được lưu trữ chỉ đọc từ 08/2024; site dùng bản 1.0.5.
- Myers, E. W. (1986), An O(ND) Difference Algorithm and Its Variations, Algorithmica: thuật toán tìm khác biệt mà diff-match-patch dựa trên.
- TCVN 6909:2001, bộ mã tiếng Việt Unicode dạng dựng sẵn: cơ sở chuẩn hoá NFC trước khi so.
Kiểm tra: 16/09/2026. So sánh văn bản chỉ đối chiếu hai bản bạn dán; không kiểm tra trùng lặp với tài liệu bên ngoài.