如何比較兩個版本的 PDF
簡而言之: 「比較兩個 PDF 版本」預設同時產生兩份報告:逐行的文字差異,以及兩頁並排的 PDF,其中新增為綠色、刪除為紅色、修改為琥珀色、移動為藍色。文字以區塊為單位比對,因此插入一個段落,不會讓下方整頁都被標出來。
專區
比較
比較: PDF guidance for reliable document processing and quality checks.
主要工具
比較兩個 PDF 版本
從本文開啟工具,使用目前的語言完成操作。
開啟工具目錄
比較兩個版本的 PDF:如何看懂結果
對方寄來「內容相同、只做了小幅修改的草稿」。這時問題永遠是同一個:修改到底在哪裡,有沒有出現沒人提過的內容。把兩份文件從頭讀完要花一小時,效果還不好:眼睛容易漏看改過的數字,卻把只是整行位移的地方當成差異。
這個工具會同時用兩種方式回答這個問題,開始之前先弄清楚兩者的差別會比較順手。
兩份報告,回答不同的問題
| 報告 | 內容 | 回答的問題 |
|---|---|---|
| 文字報告 | 逐行比對的 `.txt` 檔 | 到底哪些文字不一樣 |
| 視覺報告 | 兩頁並排、帶有彩色標記的 PDF 對照頁 | 這些差異在頁面上的哪個位置 |
兩份報告預設都會產生,結果清單中文字報告排在前面。這樣的搭配很實用:文字報告方便貼進電子郵件,一行一行討論;視覺報告則適合和原件並排開啟,直接指給對方看。
如果你要求兩種報告,但視覺報告無法產生,作業不會失敗:你會拿到文字報告,另外附上一則說明原因的警告。這是刻意的設計,因為轉譯器處理不了的文件,通常仍然可以用文字方式比對。
四種顏色各代表什麼
視覺報告用彩色外框標示頁面,每種顏色對應一種變更。
| 顏色 | 類型 | 發生了什麼 |
|---|---|---|
| 綠色 | 新增 | 這個區塊在舊版本中不存在 |
| 紅色 | 刪除 | 這個區塊在舊版本中有,現在不見了 |
| 琥珀色 | 修改 | 區塊位置沒變,但文字不同 |
| 藍色 | 移動 | 相同的文字出現在文件中的其他位置 |
另外還有第五種標記:實心的色塊,有自己的顏色,在圖例中也單獨占一列。它標示的是文字以外的差異,例如圖片、線條、表格儲存格底色或顏色。這不是標記錯誤,而是另一種比對方式,下文會說明。
為什麼「移動」不等於「修改」
這正是工具真正發揮作用的地方。單純的比對會逐行對應頁面,只要在最上方插入一個段落,下面的每一行都會被判定為「已修改」,因為每一行都跟著往下移了。
這裡的比對方式不同:頁面會先被拆成文字區塊,區塊在兩個版本之間依內容配對,而不是依位置。因為上方插入內容而往下滑動的段落,會被認出是同一段,完全不加標記。
只有當位置的改變屬於編輯,而不是重新排版的結果時,才會出現藍色的「移動」標記。一條合約條款從第三節搬到第七節,會標成藍色。同一條條款只是因為上方多了一句話而被往下推了兩公分,則維持不標記。
實際的意義很簡單:摘要中的數字反映的是真正的修改數量,而不是重新排版的幅度。
除了文字,還會比對什麼
所有不是文字的內容都以逐像素的方式比對:圖片、標誌、表格線條、填色和顏色。
有一個重要的細節:像素比對只在文字區塊之外進行。這是刻意的,避免同一處修改被計算兩次,先算成文字變更,再算成同一位置的像素變更。
這也解釋了一個常見的疑惑:「半個頁面都被標出來了,摘要卻說變更為零」。意思是文字內容沒有變,但其他東西變了:標誌換了版本、填色的色調不同,或是圖片以不同的壓縮設定重新儲存。有時這很重要,有時只是檔案改用另一個編輯器重新匯出的副作用。
如何執行比較
1. 開啟 比較兩個 PDF 版本,上傳兩個檔案。 2. 確認舊版本放在前面:順序決定什麼算新增、什麼算刪除。 3. 如果不確定會用到哪一份,兩份報告都保持開啟。 4. 執行作業並下載結果。 5. 先看文字報告,它會呈現修改的實質內容。只有光看文字還不清楚的地方,再開啟視覺報告查看。
檔案順序值得特別留意。工具並不知道哪個版本比較新,只依位置判斷:第一個檔案是「修改前」,第二個檔案是「修改後」。順序放反的話,你會得到鏡像的報告,新增的內容會顯示成刪除。
比較掃描檔
掃描檔不含文字,所以兩份掃描檔的文字報告會是空的,這並不是失敗。
視覺比較仍然可以運作:像素比對不需要文字層。如果要找出被換掉的頁面,或手寫補上的一行字,這樣通常就夠了。
如果一定要文字層級的比對,兩份文件得先經過 對 PDF 執行 OCR 文字辨識 處理。請記得,辨識出的文字會有錯誤,所以報告中有一部分差異其實是辨識的誤差,而不是文件本身的差異。
相關的情況也有專門的警告:如果某些頁面無法可靠地擷取文字,結果中會列出這些頁碼。這些頁面沒有以文字方式比對,可能藏著真正的差異。
設定實際改變了什麼
比較模式決定文字報告如何擷取文字:只取文字,或是連同間距一起取。第二種模式能察覺縮排和對齊方式的變更,對視覺報告完全沒有影響。
「忽略空白」預設為開啟,會把只由空格和換行造成的差異從報告中剔除。
這兩項設定彼此衝突,工具也會如實告知。在「文字加版面」模式下,空白就是版面的訊號,因此不能忽略,這項設定對文字報告會自動停止生效。工具不會默不作聲,而是給你一則警告。同時,視覺報告仍然會遵守空白的設定。
限制
視覺報告適用於不超過一百頁的文件:每一頁都必須轉譯兩次,再排進對照頁,成本很高。文字比較沒有這樣的上限。
如果文件更長,合理的做法是分段比較,而不是整份一起比:先用 從 PDF 擷取頁面 從兩個版本中取出需要的範圍,再比較這些部分。
設有開啟密碼的文件無法比較,因為內容已加密。必須先移除密碼。
最後一點:比較回答的是「改了什麼」,而不是「這項修改是否正當」。請把報告當成一份待檢查的位置清單,不要當成結論。
作者
由服務團隊撰寫;Sergey Gagin 為服務負責人
常見問題
此專區的更多內容
相關工具
比較兩個 PDF 版本
比較同一文件的兩個 PDF 版本,找出文字或版面上的差異。
對 PDF 執行 OCR 文字辨識
透過 OCR 辨識掃描 PDF 中的文字,讓文件更容易搜尋與複製。
線上 PDF 轉文字
把 PDF 中的文字擷取成純文字檔,複製不含格式與版面的內容。
從 PDF 擷取頁面
從 PDF 中選擇頁面或範圍,並將其另存為單獨的文檔,而不會刪除原始文件中的任何內容。一個實際應用場景是將證書、章節或附錄另存為單獨的 PDF。