Como comparar dois PDFs e ver exatamente o que mudou

O contrato volta do advogado da outra parte como contrato_v3_FINAL.pdf, sem controle de alterações e sem um bilhete dizendo o que mudou de lugar. Ler as duas versões lado a lado funciona, mais ou menos, até você chegar à nona página e não ter mais certeza se aquela cláusula sempre foi redigida assim. Uma comparação de texto entre os dois arquivos acha as alterações em segundos.

Envie primeiro a versão original

A ordem importa, porque é ela que define a cor de cada linha. Envie a versão antiga primeiro e a revisada depois, e o relatório se lê como você espera: linhas que só existem no primeiro arquivo são exclusões em vermelho, as que só existem no segundo são inclusões em verde, e o que não mudou fica preto. Ao contrário, toda inclusão aparece como exclusão, o que confunde mais do que erra.

O que volta é um relatório em PDF, não uma cópia marcada do seu documento. Ele abre com um resumo de uma linha dizendo quantas linhas foram adicionadas e removidas, e depois lista o texto completo com marcas + e − à esquerda. Dá para mandar esse relatório para alguém sem mandar junto os dois arquivos de origem.

Ele compara as palavras, não a aparência

A comparação roda sobre o texto. É exatamente o que você quer ao conferir um contrato, uma política ou uma especificação, e é uma limitação que vale conhecer ao conferir um layout:

• Uma cláusula reescrita, um número trocado, um parágrafo apagado: tudo é pego.
• Outra fonte, uma margem deslocada, um logotipo substituído, um gráfico redesenhado: nada disso aparece, porque as palavras são as mesmas.

Então um relatório dizendo que não há diferenças significa que os dois arquivos dizem a mesma coisa, não que eles são idênticos aos olhos. Se o que você confere é a diagramação, converta os dois em imagens e alterne entre elas.

Por que uma edição mínima acende um parágrafo inteiro

A comparação é feita linha a linha. Num PDF, uma linha é o que o motor de diagramação colocou naquela fileira visual, então inserir uma única palavra no começo de um parágrafo empurra todas as palavras seguintes para outra linha. Daí em diante nada bate, e o parágrafo inteiro aparece como removido e readicionado.

Parece grave e não é. Leia o bloco vermelho e o verde como um par e a mudança real costuma ficar clara em uma frase. Duas coisas reduzem o ruído:

• Compare versões exportadas do mesmo documento de origem e no mesmo tamanho de página. Reexportar um arquivo do Word em outro tamanho de papel refaz todas as quebras de linha e inutiliza o relatório.
• Compare o capítulo que interessa em vez do manual inteiro de 200 páginas. Divida os dois arquivos no mesmo intervalo de páginas antes, e o relatório fica curto o bastante para ser lido de verdade.

Digitalizações precisam de OCR antes

Uma digitalização é uma foto de uma página. Não há texto para comparar, então o relatório volta vazio ou sem sentido. Passe os dois arquivos pelo OCR primeiro, que acrescenta uma camada de texto sem mudar a aparência das páginas, e compare os resultados. Aceite que os erros de OCR vão aparecer como diferenças: um rn lido como m é uma alteração real no texto extraído mesmo que as duas páginas sejam idênticas.

Perguntas frequentes

Dá para comparar um documento do Word com um PDF?

Converta o Word em PDF antes e compare os dois PDFs. Espere algum ruído nas quebras de linha, já que o Word e o programa que gerou o PDF original não quebram nos mesmos pontos, mas as alterações de conteúdo continuam saltando aos olhos.

O relatório mostra em que ponto da página houve mudança?

Não como referência de página. O relatório segue a ordem de leitura do documento, de cima para baixo, então as mudanças aparecem na mesma sequência do original, mas para ver o contexto você vai procurar a linha alterada no arquivo de origem. Na maior parte das revisões, isso é um copiar e um Ctrl+F.