Zwei PDF-Versionen vergleichen

Zwei Fassungen einer PDF vergleichen: wie das Ergebnis zu lesen ist

Die Gegenseite hat „denselben Entwurf mit kleinen Änderungen“ geschickt. Die Frage ist immer dieselbe: wo genau stecken die Änderungen und ist etwas aufgetaucht, von dem niemand sprach. Beide Dokumente hintereinander zu lesen kostet eine Stunde und funktioniert schlecht: das Auge überspringt eine geänderte Zahl und findet Unterschiede dort, wo sich bloß eine Zeile verschoben hat.

Das Werkzeug beantwortet diese Frage auf zwei verschiedene Arten zugleich, und den Unterschied sollte man vor dem Start kennen.

Zwei Berichte, die verschiedene Fragen beantworten

Standardmäßig entstehen beide, und der Textbericht steht in der Ergebnisliste vorn. Das ist ein sinnvolles Paar: den Textbericht kopiert man leicht in eine Mail und bespricht ihn zeilenweise, den visuellen öffnet man neben dem Original und zeigt mit dem Finger darauf.

Ließ sich der visuelle Bericht nicht bauen und Sie hatten beide verlangt, scheitert der Auftrag nicht: Sie erhalten den Textbericht plus eine eigene Warnung mit dem Grund. Das ist Absicht, denn ein Dokument, das der Renderer nicht bewältigt, gibt sich dem Textvergleich meist trotzdem hin.

Vier Farben und was jede bedeutet

Der visuelle Bericht markiert Seiten mit farbigen Rahmen, und jede Farbe steht für eine Art von Änderung.

Es gibt zudem eine fünfte Markierung, eine flächige Einfärbung mit eigener Farbe und eigener Legendenzeile. Sie markiert Unterschiede außerhalb des Textes: in einem Bild, einer Linie, dem Hintergrund einer Tabellenzelle, einer Farbe. Das ist kein Markierungsfehler, sondern eine andere Art von Vergleich, siehe unten.

Warum „verschoben“ nicht dasselbe ist wie „geändert“

Hier liegt die eigentliche Arbeit des Werkzeugs. Ein naiver Vergleich stellt Seiten zeilenweise gegenüber, und ein einziger eingefügter Absatz oben macht jede Zeile darunter „geändert“, weil sich jede verschoben hat.

Dieser Vergleich arbeitet anders: die Seite wird in Textblöcke zerlegt, und die Blöcke werden zwischen den Fassungen nach Inhalt statt nach Position gepaart. Ein Absatz, der wegen einer Einfügung darüber nur nach unten rutschte, wird als derselbe erkannt und gar nicht markiert.

Die blaue Markierung „verschoben“ erscheint nur, wenn die Ortsänderung eine Bearbeitung ist und nicht Folge des Umbruchs. Eine Vertragsklausel, die von Abschnitt drei nach sieben wanderte, kommt blau heraus. Dieselbe Klausel, die durch einen darüber ergänzten Satz zwei Zentimeter nach unten geschoben wurde, bleibt unmarkiert.

Die praktische Bedeutung ist einfach: die Zahl in der Zusammenfassung gibt die Menge echter Bearbeitungen wieder, nicht das Ausmaß des Umbruchs.

Was außer Text verglichen wird

Alles, was kein Text ist, wird Pixel für Pixel verglichen: Bilder, Logos, Tabellenlinien, Füllungen, Farbe.

Ein wichtiges Detail: der Pixelvergleich läuft nur außerhalb der Textblöcke. Das ist Absicht, damit ein und dieselbe Bearbeitung nicht doppelt gezählt wird, erst als geänderter Text und dann als geänderte Pixel an derselben Stelle.

Damit erklärt sich eine häufige Verblüffung: „die halbe Seite ist markiert und die Zusammenfassung sagt null Änderungen“. Das heißt, der Textinhalt änderte sich nicht, wohl aber etwas anderes: eine andere Logofassung, ein anderer Füllton, ein mit anderer Kompression neu gespeichertes Bild. Manchmal zählt das, manchmal ist es die Nebenwirkung eines Reexports aus einem anderen Programm.

So starten Sie den Vergleich

1. Öffnen Sie compare-pdf und laden Sie genau zwei Dateien hoch. 2. Sorgen Sie dafür, dass die ältere Fassung zuerst steht: die Reihenfolge entscheidet, was als hinzugefügt und was als entfernt gilt. 3. Lassen Sie beide Berichte an, wenn Sie nicht wissen, welchen Sie brauchen. 4. Starten Sie den Auftrag und laden Sie das Ergebnis herunter. 5. Beginnen Sie mit dem Textbericht: er zeigt den Kern der Änderungen. Den visuellen öffnen Sie für die Stellen, an denen der Text allein unklar bleibt.

Die Dateireihenfolge verdient eigene Aufmerksamkeit. Das Werkzeug weiß nicht, welche Fassung neuer ist, und entscheidet nach Position: die erste Datei ist „vorher“, die zweite „nachher“. Eine vertauschte Reihenfolge liefert einen gespiegelten Bericht, in dem Hinzugefügtes als Entferntes erscheint.

Scans vergleichen

Ein Scan enthält keinen Text, ein Textbericht über zwei Scans bleibt also leer, und das ist kein Fehler.

Der visuelle Vergleich läuft trotzdem: der Pixelteil braucht keine Textebene. Für Dokumente, bei denen eine ausgetauschte Seite oder eine handschriftlich ergänzte Zeile zu finden ist, reicht das oft.

Brauchen Sie ausdrücklich die Textauswertung, müssen beide Dokumente zuerst durch ocr-pdf. Bedenken Sie, dass erkannter Text Fehler enthält, ein Teil der Unterschiede im Bericht also Abweichungen der Erkennung sind und nicht der Dokumente.

Dazu gibt es eine eigene Warnung: konnte Text von einigen Seiten nicht zuverlässig entnommen werden, nennt das Ergebnis deren Nummern. Diese Seiten wurden nicht als Text verglichen und können echte Unterschiede verbergen.

Was die Einstellungen wirklich ändern

Der Vergleichsmodus entscheidet, wie Text für den Textbericht entnommen wird: nur Text oder Text samt seiner Abstände. Der zweite Modus bemerkt Änderungen an Einzügen und Ausrichtung und wirkt sich auf den visuellen Bericht gar nicht aus.

Das Ignorieren von Leerraum ist voreingestellt und entfernt aus dem Bericht Unterschiede, die nur aus Leerzeichen und Zeilenumbrüchen bestehen.

Diese beiden Einstellungen geraten in Konflikt, und das Werkzeug sagt es ehrlich. Im Modus Text und Layout ist Leerraum das Layoutsignal, er lässt sich also nicht ignorieren, und die Einstellung wirkt still nicht mehr auf den Textbericht. Statt Stille kommt eine Warnung. Der visuelle Bericht hält sich derweil weiter an die Leerraum-Einstellung.

Die Grenzen

Der visuelle Bericht entsteht für Dokumente von höchstens hundert Seiten: jede Seite muss zweimal gezeichnet und zu einer Doppelseite gefügt werden, und das ist teuer. Der Textvergleich kennt diese Obergrenze nicht.

Sind die Dokumente länger, ist es sinnvoll, abschnittsweise statt vollständig zu vergleichen: ziehen Sie die benötigten Bereiche mit extract-pages aus beiden Fassungen und vergleichen Sie die Teile.

Ein mit Öffnungspasswort geschütztes Dokument lässt sich nicht vergleichen: der Inhalt ist verschlüsselt. Das Passwort muss vorher ab.

Und zuletzt: der Vergleich beantwortet die Frage „was hat sich geändert“, nicht „ist diese Änderung berechtigt“. Lesen Sie den Bericht als Liste zu prüfender Stellen, nicht als Schlussfolgerung.