Existe uma maneira no Unix de avaliar como dois arquivos de texto são semelhantes ou diferentes?
Eu sei sobre diff , mas isso me dá as diferenças. O que eu sou depois é apenas receber como uma resposta, algum tipo de avaliação do quanto esses dois textos são semelhantes. Eles contêm muito as mesmas palavras, são os textos muitas vezes bastante semelhantes, etc É realmente muito complicado avaliar isso de uma forma de alta qualidade, então eu estou querendo saber se alguém já fez isso.
Seria bom apenas receber um número, poderia ser 0 significa que eles são idênticos e um número alto significa que eles não são nada parecidos.
Existe diffstat que lê diff de saída normal e imprime algumas estatísticas mais sobre linhas apenas .
diff -u fileA fileB | diffstat
ou wdiff para lidar com diffs de palavras .
wdiff -123 --statistics fileA fileB
Você também pode ler as man pages para encontrar algumas opções mais interessantes.
Tags diff