Como comparar dois arquivos XML e ver o que mudou

A forma mais rápida de comparar dois arquivos XML é colar ambos em uma ferramenta de diff lado a lado, dar o mesmo formato e ler as linhas que ela destaca. A comparação é a parte fácil. O ruído é o que confunde as pessoas: atributos reordenados, espaços entre tags e prefixos de namespace podem fazer com que dois arquivos que significam a mesma coisa pareçam não ter nada em comum.

Este guia mostra como obter um diff XML limpo e confiável. Vamos ver por que dois documentos equivalentes se distanciam no papel, quais métodos vale a pena conhecer, e um exemplo prático que você pode seguir. Se você só quer a ferramenta, nossa página de comparação XML faz tudo isso no navegador.

Por que os arquivos XML são enganosamente difíceis de comparar

O XML tem uma gramática estrita (veja a especificação XML do W3C), mas dá aos autores muita liberdade sobre como dispor o texto. Dois documentos podem descrever exatamente os mesmos dados e ainda diferir byte a byte. Um diff de texto simples não entende nada disso, então marca tudo.

Aqui está o fato-chave a guardar: em XML, a ordem dos atributos de um elemento não é significativa. O XML Information Set trata os atributos como um conjunto não ordenado. Então <user id="7" role="admin"/> e <user role="admin" id="7"/> carregam a mesma informação, mesmo que um diff de linhas os pinte de vermelho e verde. A ordem dos elementos, por outro lado, normalmente importa.

Parece uma mudança, mas geralmente não é

O que você vê no diff	É uma mudança real?	O que fazer
Atributos em ordem diferente	Não, a ordem de atributos não é significativa	Canonicalize os dois lados
Indentação de 2 vs 4 espaços	Não	Formate os dois lados igual
Espaços entre elementos	Geralmente não	Formate, ou remova o espaço insignificante
<br/> vs <br></br>	Não, mesmo elemento vazio	Canonicalize os dois lados
Um prefixo de namespace diferente para o mesmo URI	Não, prefixos são rótulos arbitrários	Compare por URI do namespace, não por prefixo
Elementos filhos em ordem diferente	Geralmente sim, a ordem dos elementos importa	Investigue, provavelmente é real

Essa última linha é a que merece atenção. A ordem dos atributos é livre, mas a ordem dos elementos filhos faz parte do documento na maioria dos esquemas. Se você quer o detalhe de como um parser vê tudo isso, o MDN tem uma sólida referência sobre análise de XML com DOMParser.

Quatro formas de comparar XML e quando usar cada uma

Não existe um único método melhor. Depende de onde os arquivos estão e do que você quer descobrir. Veja como as opções comuns se comparam.

Método	Melhor para	Esforço	Entende XML?
Inspeção visual	Arquivos pequenos, um ou dois elementos	Baixo	Não, você é o parser
Ferramenta de diff online	Verificações rápidas, colar de qualquer lugar	Baixo	Com formatação, sim
Linha de comando (xmllint)	Arquivos em disco, scripting, forma canônica	Médio	Sim, com --c14n
IDE ou git diff	Arquivos já em um repositório	Baixo se já comitado	Baseado em linhas por padrão

Para a maioria das pessoas, uma ferramenta de navegador ganha em velocidade: nada para instalar, e você pode colar um fragmento direto de um arquivo de configuração ou de uma resposta SOAP. O problema é o ruído de formatação, que tratamos a seguir. Se você vive no terminal, o xmllint do libxml2 é a ferramenta a conhecer.

A comparação limpa mais rápida, passo a passo

Essa é a rotina que uso quando alguém me passa dois arquivos de configuração e pergunta "o que está diferente?". Leva cerca de quinze segundos.

1. Abra a ferramenta de comparação XML.
2. Cole o original à esquerda, a nova versão à direita.
3. Clique em Formatar nos dois lados para que compartilhem a mesma indentação.
4. Procure diferenças reais. Verde é adicionado, vermelho é removido, e um valor alterado aparece como um de cada.
5. Ignore as linhas que são apenas reordenação de atributos ou espaços.

O passo três é quase todo o truque. Quando os dois documentos usam a mesma indentação, a única coisa que resta destacar é o que realmente mudou. Nosso motor de diff é construído sobre o diff-match-patch do Google, que compara linha por linha primeiro para se manter rápido mesmo em arquivos longos.

Um exemplo prático

Suponha que você esteja revisando uma mudança em uma configuração de serviço. Aqui está o antes:

<user id="7" role="editor">
  <name>Ada Lovelace</name>
  <active>true</active>
  <seats>3</seats>
</user>

E aqui está o depois, como um colega entregou a você:

<user role="admin" id="7">
  <name>Ada Lovelace</name>
  <active>true</active>
  <seats>5</seats>
  <team>platform</team>
</user>

Jogue esses em um diff de linhas cru e a primeira linha parece alterada, porque id e role trocaram de lugar. Formate ambos, compare por significado, e a história real é curta:

O que realmente mudou

Nó	Antes	Depois	Mudança
@role	editor	admin	Modificado
seats	3	5	Modificado
team	—	platform	Adicionado
@id	7	7	Sem mudança (apenas movido)
name	Ada Lovelace	Ada Lovelace	Sem mudança

Três edições reais: uma promoção de papel, uma contagem de assentos e um novo elemento de equipe. A troca de atributos era ruído. Essa promoção de editor para admin é exatamente o tipo de coisa que você quer pegar na revisão, e é fácil de perder quando está enterrada sob uma linha que o diff marcou por engano.

XML canônico: a forma correta de ignorar o ruído

Formatar os dois lados resolve a indentação, mas existe um padrão feito exatamente para esse problema. O XML canônico, definido pelo W3C em Canonical XML 1.1, reescreve um documento em uma única forma normalizada: atributos ordenados, elementos vazios expandidos, espaços nas tags normalizados, e atributos padrão tornados explícitos. Dois documentos equivalentes produzem uma saída canônica idêntica. É o equivalente XML de ordenar as chaves do JSON.

xmllint --c14n old.xml > old.c14n.xml
xmllint --c14n new.xml > new.c14n.xml
diff old.c14n.xml new.c14n.xml

Agora o diff só reporta conteúdo que realmente mudou, porque os dois arquivos foram normalizados da mesma forma. Se você só quer uma indentação legível em vez da forma canônica estrita, xmllint --format file.xml faz a formatação, que é o equivalente no terminal de clicar em Formatar no navegador.

Namespaces: a parte que confunde todo mundo

Os namespaces do XML permitem que dois documentos usem o mesmo vocabulário com rótulos de prefixo diferentes. <ns1:user> vinculado a um URI e <u:user> vinculado ao mesmo URI são o mesmo elemento; o prefixo é apenas um apelido local. Um diff de texto vê ns1 contra u e marca uma mudança que não é. A solução é comparar pelo URI do namespace em vez do prefixo, que é precisamente o que a canonicalização faz. A especificação Namespaces in XML é a referência se você precisar resolver uma discussão sobre isso.

Armadilhas comuns para observar

Armadilha	Por que pega	Solução
Codificação de caracteres	Um arquivo UTF-8 e um UTF-16 podem ter o mesmo texto mas diferir byte a byte	Normalize a codificação; a declaração XML a indica
Referências a entidades	& e um & literal podem aparecer ambos para o mesmo caractere	Canonicalize, o que resolve as entidades de forma consistente
CDATA vs texto escapado	<![CDATA[a<b]]> e a&lt;b são o mesmo conteúdo de texto	Compare o valor analisado, não os bytes crus
Espaços significativos	Dentro de xml:space="preserve", os espaços importam e não devem ser removidos	Não corte às cegas; respeite xml:space
Tags auto-fechadas	<x/> e <x></x> são idênticas	Canonicalize para que ambas sejam renderizadas igual

Diff de texto vs diff estrutural

Tudo acima é um diff de texto: rápido, visual e perfeito para uma pessoa ler uma mudança. Um diff estrutural vai além e descreve a mudança em termos da árvore XML: este atributo mudou, aquele elemento filho foi inserido neste caminho. Você quer um diff estrutural quando um programa precisa aplicar a mudança ou quando a ordem dos elementos genuinamente não importa e você quer ignorá-la. Para a revisão do dia a dia, um diff de texto de dois documentos formatados basta.

Ferramentas relacionadas

O XML raramente é o único formato com que você lida. Se você está comparando payloads de API, comparar JSON aplica a mesma ideia ao JSON. Páginas marcadas são mais fáceis de ler na página de comparar HTML, e configurações de ambiente se alinham bem na ferramenta de comparar config.