השוואת שני קובצי PDF

איך זה עובד

שתי גרסאות של חוזה, מדיניות או מפרט, ואף אחד אינו זוכר מה זז. קריאה שלהן זו לצד זו היא הדרך שבה טעויות מתפספסות. הכלי מחלץ את הטקסט משניהם ומדווח במדויק אילו שורות נוספו, הוסרו או נשארו כפי שהן, וזו בדרך כלל רשימה קצרה בהרבה ממה שנדמה.

איך ההשוואה עובדת

הטקסט נשלף משני המסמכים ואז מושווה באמצעות diff של תת-הרצף המשותף הארוך ביותר, אותה גישה שבה משתמשת בקרת גרסאות. זה חשוב: השוואה נאיבית שפשוט מיישרת את הקבצים מיקום מול מיקום מדווחת על כל שורה אחרי הוספה כשונתה, וכך הדוח חסר תועלת. הכלי הזה מזהה את ההוספה ומשאיר את השאר בשקט.

שורה אחר שורה או מילה אחר מילה

שורה אחר שורה היא ברירת המחדל הנכונה למסמכים שהפסקאות בהם נשארות במקומן. מילה אחר מילה עדיפה כשהטקסט זרם מחדש: משפט שנוסף בתחילת פסקה מזיז כל שורה אחריו, ולכן השוואת שורות מגזימה בשינוי, ואילו השוואת מילים מראה את המילים המעטות ששונות באמת.

רווחים

כברירת מחדל, הבדלי ריווח מתעלמים מהם, כי חילוץ הטקסט של PDF מפיק לעתים קרובות ריווח מעט שונה לטקסט שנקרא זהה. כבו זאת אם משווים משהו שבו לריווח יש משמעות, כמו קוד או טבלה מעוצבת.

מה הכלי אינו רואה

הוא משווה טקסט, וטקסט בלבד. שינוי בגופן, בצבע, בתמונה, בחתימה, בלוגו או בפריסת העמוד בלתי נראה לו, וכך גם שינוי בעמוד סרוק, שמכיל תמונה של מילים ולא מילים. אם באף אחד מהקבצים אין טקסט שניתן לבחור, הכלי אומר זאת במקום לדווח שדבר לא השתנה. מעבירים סריקות קודם בכלי ה-OCR.

למה זה נשאר במכשיר

המסמכים שאנשים הכי רוצים להשוות הם אלה שהכי פחות אפשר להרשות לעצמם להעלות: חוזים במשא ומתן, טיוטות בכפוף להסכם סודיות, ניירת רפואית ומשפטית. שני הקבצים נקראים בדף עצמו במנוע ה-PDF של הדפדפן והדוח נוצר שם.