如何对比两个版本的 PDF
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.
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
常见问题
该专题的更多内容
相关工具
在线比较 PDF
Compare PDF 帮助团队在一个浏览器会话中管理发布前的变更验证。
在线PDF OCR 文字识别
OCR 识别结果可能有误,尤其是低清晰度扫描、手写内容或复杂版面。请校对关键文字。
在线 PDF 转文本
把 PDF 中的文字提取到纯文本文件,复制不带格式和版式的内容。
在线提取 PDF 页面
从 PDF 中选择页面或范围,并将其另存为单独的文档,而不会删除原始文件中的任何内容。一个实际应用场景是将证书、章节或附录另存为单独的 PDF。