跳到正文
文章

如何对比两个版本的 PDF

对比会同时生成两份报告:文本差异和高亮 PDF。四种标记颜色的含义,为什么“移动”不等于“修改”,以及没有文本层的扫描件该怎么处理。

简言之: 默认会同时生成两份报告:逐行的文本差异,以及左右并排的 PDF,其中新增为绿色,删除为红色,修改为琥珀色,移动为蓝色。文本按块对比,因此插入一个段落不会让下方整页都被标亮。

专题

比较

比较: PDF guidance for reliable document processing and quality checks.

2 篇文章

主要工具

在线比较 PDF

打开本文提到的工具,并以当前界面语言完成操作。

打开工具

目录

对比两个版本的 PDF:如何读懂结果

对方发来“同一份草稿,只做了少量修改”。问题永远是同一个:改动到底在哪里,有没有出现没人提过的新内容。把两份文档通读一遍要花上一个小时,效果还不好:眼睛容易漏掉一个被改过的数字,又会把只是整行位移的地方当成差异。

工具会同时用两种不同的方式回答这个问题,开始之前先弄清两者的区别会更顺手。

两份报告,回答不同的问题

报告内容回答的问题
文本报告逐行对比的 `.txt` 文件具体哪些文字不一样
可视报告页面左右并排、带彩色标记的 PDF 对页文件差异在页面上的哪个位置

两份报告默认都会生成,结果列表里文本报告排在前面。这样的搭配很合理:文本报告便于粘贴到邮件里逐行讨论,可视报告则适合和原件并排打开,对着指给别人看。

如果你要求同时生成两份,但可视报告没能生成,任务不会失败:你会得到文本报告,外加一条单独的警告,说明原因。这是有意为之的设计,因为渲染器处理不了的文档,通常仍然可以做文本对比。

四种颜色,各表示什么

可视报告用彩色边框标出页面上的改动,每种颜色对应一类变化。

颜色类型发生了什么
绿色新增旧版本中没有这个文本块
红色删除旧版本中有,新版本中没有了
琥珀色修改文本块位置没变,但文字不同
蓝色移动同样的文字出现在文档的其他位置

此外还有第五种标记:整块填充的色罩,有自己的颜色和图例行。它标示的是文字以外的差异:图片、线条、表格单元格底色、颜色。这不是标记出了错,而是另一种对比方式,下文会专门说明。

为什么“移动”不等于“修改”

这正是工具真正见功夫的地方。朴素的对比按页面逐行匹配,只要在顶部插入一个段落,下面的每一行都会因为整体下移而被判为“已修改”。

这里的对比方式不同:页面先被拆分成文本块,再按内容而不是按位置在两个版本之间匹配。仅仅因为上方插入内容而下滑的段落,会被识别为同一个段落,根本不做标记。

只有当位置变化属于编辑,而不是重新排版的结果时,才会出现蓝色的“移动”标记。从第三节挪到第七节的合同条款会显示为蓝色;而被上方多出的一句话向下挤了两厘米的同一条款,则不会有任何标记。

实际意义很简单:摘要里的数字反映的是真实改动的数量,而不是版面位移的规模。

除文本之外还会对比什么

所有不是文字的内容都按像素逐点对比:图片、徽标、表格线、填充色、颜色。

有一个重要细节:像素对比只在文本块之外进行。这是有意的,目的是避免同一处改动被算两次,先算作文字被修改,再算作同一位置的像素变化。

这也解释了一个常见的疑惑:“半个页面都被标亮了,摘要却显示零处改动”。意思是文字内容没有变,变的是别的东西:换了另一版徽标、填充色深浅不同、图片以不同压缩参数重新保存过。有时这很重要,有时只是文件被另一个编辑器重新导出后的副作用。

如何运行对比

1. 打开对比 PDF 在线,恰好上传两个文件。 2. 确认旧版本在前:顺序决定什么算新增、什么算删除。 3. 如果不确定需要哪份报告,就把两份都保持开启。 4. 运行任务并下载结果。 5. 先看文本报告:它呈现改动的实质内容。仅凭文字看不明白的地方,再打开可视报告查看。

文件顺序值得单独强调。工具并不知道哪个版本更新,只按位置判断:第一个文件是“修改前”,第二个是“修改后”。顺序弄反,得到的就是镜像的报告,新增会显示成删除。

对比扫描件

扫描件里没有文本,所以对两份扫描件生成的文本报告是空的,这并不是故障。

可视对比仍然可以运行:像素对比不需要文本层。对于要找出被替换的页面或手写补上的一行字的文档,这往往已经够用。

如果确实需要文本层面的对比,两份文档都得先用OCR PDF 在线处理。要记住,识别出来的文字本身带有错误,所以报告里的一部分差异其实是识别上的出入,而不是文档之间的差异。

同样的问题还有一条警告:如果某些页面的文本无法可靠提取,结果中会列出这些页码。这些页面没有做文本对比,里面可能藏着真实的差异。

设置项究竟改变什么

对比模式决定文本报告如何提取文字:仅文本,或者文本加上间距。第二种模式能发现缩进和对齐方式的变化,对可视报告完全没有影响。

“忽略空白”默认开启,会把只由空格和换行造成的差异从报告中去掉。

这两项设置互相冲突,工具对此是如实告知的。在“文本加版式”模式下,空白本身就是版式信号,因此不能忽略,这项设置对文本报告悄然失效。你不会得到沉默,而是会看到一条警告。与此同时,可视报告仍然遵守空白设置。

使用限制

可视报告面向不超过一百页的文档:每一页都要渲染两次并排进同一张对页,开销很大。文本对比没有这个上限。

如果文档更长,合理的做法是按章节而不是整体对比:先用提取页面 在线从两个版本中取出需要的页码范围,再对比这些部分。

设有打开密码的文档无法对比,因为内容已被加密。需要先取消密码。

最后一点:对比回答的是“改了什么”,而不是“这处修改是否合理”。请把报告当作需要核对的位置清单来读,而不是当作结论。

作者

由服务团队编写;Sergey Gagin 负责本服务

关于本项目

常见问题

恰好两个。它不是批量操作:要检查三个版本,请两两对比。
文本报告是空的,可视报告仍然可用,因为图像是按像素逐点对比的。你还会收到一条警告,列出无法提取文本的页码。若要得到像样的文本差异,请先把两份文档都用OCR PDF 在线处理一遍。
这不是文本差异,而是像素色罩:它标示的是文本块之外的变化,比如图片、线条或背景。它有自己的颜色和图例行,与四种文本标记是分开的。
不需要。基本流程无需创建账号即可使用。
文件只用于你所选的操作,处理结束后会自动删除。我们不会使用上传的文档训练 AI 模型。

该专题的更多内容

相关工具

← 全部编辑工具

接下来做什么

阅读之后,如需了解下一步怎么做或服务的相关信息,请打开以下页面。

全部工具

PDF 工具目录:在浏览器中合并、压缩、拆分、转换、旋转、保护和解锁 PDF 文件,无需安装任何软件。

常见问题

查看有关 iHatePDF 账号、文件处理、上传限制、手机使用、隐私,以及 PDF 工具报错时该怎么办的解答。

联系我们

如有处理错误、工具选择、安全问题、商务合作或新功能建议,欢迎联系 iHatePDF。联系时请简要说明遇到的问题和使用的工具。