Como comparar duas versões de um PDF

Por padrão o “Comparar PDF” monta os dois relatórios: um diff de texto linha a linha e um PDF em página dupla em que o acrescentado é verde, o removido vermelho, o alterado âmbar e o movido azul. O texto é comparado por blocos, então inserir um parágrafo não destaca a página inteira abaixo.

Comparar duas versões de um PDF: como ler o resultado

A outra parte mandou “a mesma minuta com pequenas alterações”. A pergunta é sempre a mesma: onde exatamente estão as alterações e se apareceu algo que ninguém mencionou. Ler os dois documentos seguidos custa uma hora e funciona mal: o olho pula um número trocado e enxerga diferenças onde apenas uma linha se deslocou.

A ferramenta responde a essa pergunta de duas maneiras ao mesmo tempo, e vale entender a diferença antes de começar.

Dois relatórios que respondem a perguntas diferentes

RelatórioO que éA que pergunta responde
De textoUm arquivo `.txt` com comparação linha a linhaO que exatamente está escrito de outro jeito
VisualUm PDF em página dupla com as páginas lado a lado e marcação coloridaOnde isso fica na página

Os dois são construídos por padrão, e o de texto vem primeiro na lista de resultados. É uma dupla sensata: o relatório de texto se copia fácil para um e-mail e se discute linha a linha, o visual se abre ao lado do original e se aponta com o dedo.

Se o relatório visual não pôde ser construído e você pediu os dois, a tarefa não cai: chega o de texto mais um aviso próprio com o motivo. Isso é proposital, porque um documento que o renderizador não deu conta em geral ainda se rende à comparação de texto.

Quatro cores e o que cada uma significa

O relatório visual marca as páginas com molduras coloridas, e cada cor carrega seu tipo de mudança.

CorTipoO que aconteceu
VerdeAcrescentadoO bloco não existia na versão antiga
VermelhoRemovidoO bloco existia na versão antiga e sumiu
ÂmbarAlteradoO bloco ficou no lugar, mas o texto dele é outro
AzulMovidoO mesmo texto apareceu em outro ponto do documento

Há ainda um quinto marcador, uma mancha sólida com cor própria e linha própria na legenda. Ela marca diferenças fora do texto: numa imagem, num fio, no fundo de uma célula, numa cor. Não é erro de marcação e sim outro tipo de comparação, descrito abaixo.

Por que “movido” não é o mesmo que “alterado”

É aqui que a ferramenta faz o trabalho de verdade. Uma comparação ingênua confronta páginas linha a linha, e inserir um único parágrafo no topo torna “alteradas” todas as linhas abaixo, porque cada uma se deslocou.

Esta comparação funciona de outro jeito: a página é dividida em blocos de texto, e os blocos são pareados entre versões por conteúdo e não por posição. Um parágrafo que apenas desceu por causa de uma inserção acima é reconhecido como o mesmo e não é marcado de forma alguma.

O marcador azul de “movido” aparece só quando o deslocamento é uma edição e não consequência da remontagem. Uma cláusula que viajou da seção três para a sete sai azul. A mesma cláusula empurrada dois centímetros para baixo por uma frase acrescentada acima fica sem marca.

O sentido prático é simples: a contagem do resumo reflete o número de edições reais, não o tamanho da remontagem.

O que é comparado além do texto

Tudo o que não é texto é comparado pixel a pixel: imagens, logotipos, fios de tabela, preenchimentos, cor.

Um detalhe importante: a comparação de pixels só age fora dos blocos de texto. É proposital, para que uma mesma edição não seja contada duas vezes, primeiro como texto alterado e depois como pixels alterados no mesmo ponto.

Isso explica uma perplexidade comum: “meia página destacada e o resumo diz zero mudanças”. Significa que o conteúdo de texto não mudou, mas outra coisa mudou: outra versão de um logotipo, outro tom de preenchimento, uma imagem salva de novo com outra compressão. Às vezes isso importa, às vezes é efeito colateral de reexportar o arquivo de outro editor.

Como rodar a comparação

1. Abra o Comparar PDF e envie exatamente dois arquivos. 2. Garanta que a versão antiga venha primeiro: a ordem decide o que conta como acrescentado e o que como removido. 3. Deixe os dois relatórios ligados se não tiver certeza de qual vai precisar. 4. Execute e baixe o resultado. 5. Comece pelo relatório de texto: ele mostra o miolo das alterações. Abra o visual para os pontos em que o texto sozinho não esclarece.

A ordem dos arquivos merece atenção à parte. A ferramenta não sabe qual versão é mais nova e decide pela posição: o primeiro arquivo é “antes”, o segundo “depois”. Uma ordem trocada dá um relatório espelhado em que o acrescentado aparece como removido.

Comparar digitalizações

Uma digitalização não contém texto, então um relatório de texto sobre duas digitalizações sai vazio, e isso não é falha.

A comparação visual roda assim mesmo: a parte de pixels não precisa de camada de texto. Para documentos em que é preciso flagrar uma página trocada ou uma linha escrita à mão, isso costuma bastar.

Se você precisa justamente do detalhamento de texto, os dois documentos devem passar antes pelo OCR de PDF. Lembre que o texto reconhecido contém erros, então parte das diferenças do relatório serão divergências do reconhecimento e não dos documentos.

Esse mesmo assunto tem aviso próprio: se o texto não pôde ser extraído com confiança de algumas páginas, o resultado lista os números delas. Essas páginas não foram comparadas por texto e podem estar escondendo diferenças reais.

O que os ajustes realmente mudam

O modo de comparação decide como o texto é extraído para o relatório de texto: só texto, ou texto junto com o espaçamento. O segundo modo percebe mudanças de recuo e alinhamento, e não influi em nada no relatório visual.

Ignorar espaços vem ligado e tira do relatório as diferenças formadas só por espaços e quebras de linha.

Esses dois ajustes conflitam, e a ferramenta diz isso com honestidade. No modo de texto e disposição, o espaço é o sinal de diagramação, então não pode ser ignorado, e o ajuste em silêncio deixa de valer para o relatório de texto. Em vez do silêncio vem um aviso. O relatório visual, por sua vez, continua respeitando o ajuste de espaços.

Os limites

O relatório visual é construído para documentos de no máximo cem páginas: cada página precisa ser desenhada duas vezes e montada numa página dupla, e isso sai caro. A comparação de texto não tem esse teto.

Se os documentos forem mais longos, o sensato é comparar por seção e não inteiros: tire as faixas necessárias das duas versões com o Extrair páginas e compare as partes.

Um documento protegido por senha de abertura não pode ser comparado: o conteúdo está cifrado. A senha precisa sair antes.

E por último: a comparação responde à pergunta “o que mudou”, não a “essa mudança é legítima”. Leia o relatório como uma lista de pontos a conferir, não como uma conclusão.

Autor:

Quantos arquivos a comparação aceita?

Exatamente dois. Não é operação em lote: para conferir três versões, compare aos pares.

O que acontece se eu comparar duas digitalizações sem camada de texto?

O relatório de texto sai vazio e o visual funciona assim mesmo, porque imagens são comparadas pixel a pixel. Além disso vem um aviso com as páginas em que não se conseguiu extrair texto. Para um diff de texto de verdade, passe antes os dois documentos pelo “OCR de PDF”.

Por que uma página inteira está destacada se mudou uma palavra?

Isso não é diferença de texto e sim a mancha de pixels: ela marca mudanças fora dos blocos de texto, numa imagem, num fio ou num fundo. Tem cor própria e linha própria na legenda, separada dos quatro marcadores de texto.

Preciso de conta?

Não, o fluxo básico funciona sem cadastro.

Por quanto tempo os arquivos ficam guardados?

Os arquivos são usados apenas para a operação escolhida e removidos automaticamente ao fim do processamento. Não usamos documentos enviados para treinar modelos de IA.