Comparar PDF

Três comparações de uma vez entre dois PDFs: palavra por palavra, pixel por pixel e páginas incluídas, retiradas ou movidas. Nada sai do navegador.

Abrir no PDF ARENA

Três comparações de uma vez

Texto, pixels e estrutura de páginas, cada um comunicado em separado em vez de diluído num único número.

As páginas alinham-se primeiro

Insira uma folha no meio e a página 5 deixa de ser a página 5. O alinhamento acontece antes de se comparar qualquer coisa.

Provas, não adjetivos

Cada alteração mostra o que dizia e o que diz. A classificação só ordena a lista.

Comparar dois PDF sem mentir sobre isso

A maioria das ferramentas de comparação põe a página 1 contra a página 1 e segue em frente. Insira uma folha no meio de um contrato e todas as páginas seguintes deslocam-se, pelo que o relatório se enche de diferenças que não são diferenças. O documento não mudou quarenta vezes. Mudou uma. Por isso o emparelhamento vem primeiro. Cada página recebe uma impressão digital a partir do seu texto normalizado, as páginas são emparelhadas por semelhança e o emparelhamento corre com uma penalização para as lacunas. Inserções, eliminações e folhas deslocadas saem como aquilo que são. Só depois se compara alguma coisa. A seguir, três passagens correm em separado. As palavras dizem-lhe o que o texto diz agora. Os pixels dizem-lhe que regiões se deslocaram mesmo quando os caracteres coincidem. A estrutura diz-lhe o que aconteceu às próprias folhas.

Como comparar dois PDF

1

Carregue os dois documentos

Original à esquerda, revisão à direita. A comparação começa assim que o segundo chega.

2

Leia a lista de alterações

Ordenada por peso, para que cifras, datas e montantes cheguem antes das vírgulas. Cada linha mostra o texto antigo e o novo.

3

Veja as páginas

Lado a lado com o par já alinhado, ou sobrepostas com um cursor para desvanecer entre elas.

4

Leve as provas consigo

Um PDF marcado com as regiões alteradas dentro de recuadros, mais o relatório em JSON e as alterações em CSV.

Como funcionam as três comparações

As impressões digitais das páginas usam conjuntos de palavras e trigramas de caracteres, com os dígitos normalizados e os cabeçalhos repetidos removidos. A semelhança é um coeficiente de Jaccard sobre ambos. O emparelhamento em si é uma passagem de distância de edição com penalização de lacunas, e uma segunda leitura da sequência encontra folhas presentes nos dois lados numa ordem diferente: essas são comunicadas como deslocadas. Não como uma eliminação mais uma inserção. A passagem de texto é uma comparação ao nível da palavra com um orçamento de edição limitado, pelo que um documento de cem páginas reescrito de ponta a ponta degrada-se para um relatório grosseiro em vez de bloquear o separador. Cada sequência recebe uma etiqueta: cifra, data, percentagem, montante, nome próprio. A etiqueta só atribui peso para a ordenação. A linha carrega sempre o literal antes e depois, porque uma etiqueta não é uma prova. A passagem visual desenha as duas folhas à mesma escala e compara-as em blocos de oito por oito pixels, com uma tolerância que absorve o ruído do antialiasing. Os blocos diferentes agrupam-se em retângulos, e esses retângulos são o que vê em recuadros no PDF marcado. É esta a passagem que apanha um logótipo deslocado, uma margem alargada ou uma imagem de assinatura trocada. Nada disso toca num carácter. Os filtros existem porque duas extrações do mesmo PDF distribuem os espaços de forma diferente, e porque inserir uma folha renumera todos os rodapés seguintes.

Porquê esta

As folhas são emparelhadas antes da comparação, pelo que uma inserção lê-se como uma alteração.

As diferenças visuais são comunicadas à parte das textuais, nunca fundidas.

Corre inteiramente no seu navegador. Nenhum dos documentos é enviado.

Perguntas sobre comparar PDF

Respostas curtas, limites incluídos

E se os dois ficheiros tiverem um número de páginas diferente?
Foi para esse caso que isto foi feito. As folhas são emparelhadas por conteúdo, pelo que uma folha inserida é comunicada como inserida e tudo o que vem depois continua alinhado com a sua contraparte.
Funciona com documentos digitalizados?
A passagem visual funciona, e muitas vezes mostra o suficiente. A passagem de palavras precisa de uma camada de texto, pelo que num digitalizado puro não encontra nada. Passe primeiro o OCR.
Alguma parte disto é feita por um modelo de IA?
Não. Tudo é aritmética sobre texto e pixels, a correr localmente. Nada é inferido e nenhum modelo decide o que conta como alteração.
O que sai no final?
Um PDF da revisão com as regiões alteradas em recuadros, o relatório completo em JSON com o mapa das folhas e todas as alterações, e um CSV para uma folha de cálculo.
Porque é que algumas alterações aparecem marcadas como cifra ou data?
Para ordenar a lista. Um montante alterado costuma importar mais do que uma vírgula alterada, por isso sobe. O texto literal é mostrado em qualquer dos casos.

Atualizada em

Faça mais com seus PDFs

Descubra todas as ferramentas profissionais que preparámos. Tudo num só sítio.