🧪 Software Testing · 6/8 · 약 8분

시리즈 전체 보기

서로 다른 문서 형식을 직접 비교하면 파일 내부의 표현 차이가 실제 내용 변경처럼 보이기 쉽다. 같은 문장도 줄바꿈과 스타일 정보가 다르게 저장될 수 있고, 표 셀 하나의 수정이 문단 전체 변경으로 잡힐 수도 있다.

비교의 출발점을 파일 형식에서 의미 단위로 옮기기 위해 공통 중간 표현(IR)을 두는 방식을 정리했다. 모든 정보를 합치기보다 검토에 필요한 공통점과 형식별 차이의 경계를 정했다.

#DocumentDiff · #IntermediateRepresentation · #Parsing · #Architecture

이 글에서 다룰 것

1. 파일 형식 비교와 의미 비교를 분리했다

형식 A 문서 ── 전용 파서 ─┐
                          ├─ 공통 IR ─ 비교 ─ 검토 가능한 차이
형식 B 문서 ── 전용 파서 ─┘

각 형식의 파서는 저장 방식과 문법을 알고, 공통 IR은 비교할 문서 개념만 표현한다. 비교 단계가 형식의 세부 사항을 모르도록 경계를 둔다.

계층 책임 알아야 하는 것 몰라도 되는 것
형식별 파서 원본을 공통 구조로 변환 해당 형식의 문법과 예외 다른 형식의 저장 방식
공통 IR 문서의 비교 단위를 표현 문단, 표, 셀, 목록, 식별자 압축·태그 등 형식 내부 표현
비교 단계 대응 항목을 찾고 차이를 계산 동일성 규칙과 변경 분류 원본 파일을 읽는 방법
결과 표현 사람이 검토할 근거를 제공 무엇이 왜 매칭됐는지 파서 내부 구현

2. IR은 목적에 필요한 만큼만 담았다

IR이 너무 얇으면 의미를 잃고, 너무 두꺼우면 형식별 예외가 비교 단계로 새어 나온다. 다음 단위를 후보로 둘 수 있다.

IR 단위 보존할 정보 비교에서의 역할
문서 순서가 있는 블록 묶음 전체 구조와 이동 범위
문단 정규화된 텍스트와 제한된 속성 내용 추가·삭제·수정
표 행·열·병합 관계 셀 단위 의미 비교
목록 항목과 계층 순서와 깊이 변경
식별자 REQ-001 같은 가상 키와 문맥 위치가 바뀐 항목의 대응 단서
스타일 업무 의미가 있는 제한된 표현 강조나 상태 표현의 변화

모든 서식보다 검토 목적에 영향을 주는 스타일을 먼저 정한다. 장식 차이를 내용 변경으로 과대 표시하지 않으면서 의미 있는 강조는 남긴다.

3. 정규화는 차이를 없애는 일이 아니었다

정규화는 형식 차이에서 생긴 불필요한 노이즈를 줄이는 과정이다. 그러나 지나치게 적용하면 실제 변경도 사라질 수 있다.

후보 규칙 기대 효과 위험
연속 공백 통일 저장 방식에서 생긴 차이 감소 공백이 의미인 영역까지 바꿀 수 있음
줄바꿈 표현 통일 같은 문단의 불필요한 변경 감소 문단 경계를 합치면 구조 변화 누락
식별자 표기 규칙 통일 같은 대상을 쉽게 매칭 서로 다른 식별자를 잘못 합칠 수 있음
일부 장식 속성 제외 시각 노이즈 감소 업무 의미가 있는 강조 누락