Twee PDF-bestanden vergelijken en precies zien wat er veranderd is

Het contract komt terug van de advocaat van de tegenpartij als overeenkomst_v3_DEFINITIEF.pdf, zonder bijgehouden wijzigingen en zonder briefje over wat er verschoven is. Beide versies naast elkaar lezen werkt, min of meer, tot je negen pagina's ver bent en niet meer weet of die bepaling altijd al zo geformuleerd was. Een tekstvergelijking van de twee bestanden vindt de wijzigingen in een paar seconden.

Upload eerst het origineel

De volgorde doet ertoe, want die bepaalt welke kleur een regel krijgt. Upload de oudere versie eerst en de herziene daarna, dan leest het rapport zoals je verwacht: regels die alleen in het eerste bestand staan zijn verwijderingen in rood, regels die alleen in het tweede staan zijn toevoegingen in groen, en alles wat onaangeroerd bleef blijft zwart. Andersom verschijnt elke toevoeging als verwijdering, wat verwarrend is eerder dan fout.

Wat je terugkrijgt is een rapport in PDF, geen becommentarieerde kopie van je document. Het opent met een samenvatting van één regel over hoeveel regels zijn toegevoegd en verwijderd, en somt daarna de volledige tekst op met + en − in de linkermarge. Je kunt het doorsturen zonder ook de twee bronbestanden mee te sturen.

Het vergelijkt de woorden, niet het uiterlijk

De vergelijking draait op tekst. Dat is precies wat je wilt bij het nalopen van een contract, een reglement of een specificatie, en het is een beperking om te kennen bij het nalopen van een ontwerp:

• Een herschreven bepaling, een gewijzigd bedrag, een geschrapte alinea: allemaal gevonden.
• Een ander lettertype, een verschoven marge, een vervangen logo, een opnieuw getekende grafiek: niets daarvan komt naar voren, want de woorden zijn hetzelfde.

Een rapport dat geen verschillen meldt, betekent dus dat de twee bestanden hetzelfde zeggen, niet dat ze er identiek uitzien. Gaat het je om de opmaak, zet ze dan allebei om naar afbeeldingen en wissel ertussen.

Waarom één kleine wijziging een hele alinea laat oplichten

De vergelijking gaat regel voor regel. In een PDF is een regel wat de opmaakmotor op die visuele rij heeft gezet, dus één woord invoegen aan het begin van een alinea duwt elk volgend woord naar een andere regel. Vanaf dat punt komt niets meer overeen, en de hele alinea verschijnt als verwijderd en opnieuw toegevoegd.

Het oogt alarmerend en dat is het niet. Lees het rode en het groene blok als een paar en de echte wijziging is meestal binnen een zin duidelijk. Twee dingen dempen de ruis:

• Vergelijk versies die uit hetzelfde brondocument en op hetzelfde paginaformaat zijn geëxporteerd. Een Word-bestand opnieuw exporteren op een ander papierformaat breekt alle regels opnieuw af en maakt het rapport onbruikbaar.
• Vergelijk het betreffende hoofdstuk in plaats van de hele handleiding van 200 pagina's. Splits beide bestanden vooraf op hetzelfde paginabereik, dan blijft het rapport kort genoeg om echt te lezen.

Scans hebben eerst OCR nodig

Een scan is een foto van een pagina. Er valt geen tekst te vergelijken, dus het rapport komt leeg of onzinnig terug. Haal beide bestanden eerst door OCR, dat een tekstlaag toevoegt zonder het uiterlijk van de pagina's te veranderen, en vergelijk daarna de resultaten. Neem voor lief dat OCR-fouten als verschillen opduiken: een rn die als m wordt gelezen is een echte wijziging in de opgehaalde tekst, ook al zijn beide pagina's identiek.

Veelgestelde vragen

Kan ik een Word-document met een PDF vergelijken?

Zet het Word-bestand eerst om naar PDF en vergelijk de twee PDF's. Reken op wat ruis in de regelafbreking, want Word en het programma achter de oorspronkelijke PDF breken niet op dezelfde plekken af, maar de inhoudelijke wijzigingen blijven duidelijk zichtbaar.

Laat het rapport zien waar op de pagina iets is gewijzigd?

Niet als paginaverwijzing. Het rapport volgt de leesvolgorde van het document van boven naar beneden, dus wijzigingen verschijnen in dezelfde volgorde als in het origineel, maar voor de context zoek je de gewijzigde regel op in het bronbestand. Voor het meeste nakijkwerk is dat een kopieeractie en een Ctrl+F.