Cách so sánh hai tệp PDF và thấy chính xác điều gì đã đổi

Bản hợp đồng quay lại từ luật sư bên kia với tên hopdong_v3_FINAL.pdf, không có theo dõi thay đổi, cũng không kèm dòng nào nói đã sửa chỗ nào. Đọc song song hai bản cũng được, tạm vậy, cho đến khi bạn sang trang chín và không còn chắc điều khoản kia có phải vốn đã viết như thế hay không. So sánh văn bản hai tệp sẽ tìm ra các chỗ sửa trong vài giây.

Tải bản cũ lên trước

Thứ tự rất quan trọng, vì chính nó quyết định màu của từng dòng. Tải bản cũ trước và bản sửa sau, báo cáo sẽ đọc đúng như bạn mong đợi: dòng chỉ có trong tệp thứ nhất là phần bị xoá, màu đỏ; dòng chỉ có trong tệp thứ hai là phần thêm vào, màu xanh lá; phần không đụng tới vẫn màu đen. Làm ngược lại thì mọi phần thêm sẽ hiện thành phần xoá, gây rối chứ không hẳn là sai.

Thứ bạn nhận về là một báo cáo dạng PDF, không phải bản sao tài liệu có đánh dấu. Báo cáo mở đầu bằng một dòng tóm tắt bao nhiêu dòng được thêm và bị xoá, rồi liệt kê toàn bộ văn bản với dấu + và − ở lề trái. Bạn có thể gửi báo cáo này cho người khác mà không cần gửi kèm hai tệp gốc.

Nó so chữ, không so hình thức

Việc so sánh chạy trên văn bản. Đó đúng là thứ bạn cần khi soát một hợp đồng, một quy định hay một bản đặc tả, và là giới hạn cần biết khi soát một thiết kế:

• Một điều khoản viết lại, một con số bị đổi, một đoạn bị xoá: đều bắt được hết.
• Đổi phông chữ, lệch lề, thay logo, vẽ lại biểu đồ: không thứ nào được ghi nhận, vì chữ vẫn y nguyên.

Vậy nên báo cáo nói không có khác biệt nghĩa là hai tệp nói cùng một nội dung, chứ không phải chúng trông giống hệt nhau. Nếu thứ bạn cần soát là bố cục, hãy chuyển cả hai thành ảnh rồi lật qua lật lại.

Vì sao một sửa đổi nhỏ lại làm sáng cả đoạn

Việc so sánh chạy theo từng dòng. Trong PDF, một dòng là những gì bộ dàn trang đặt trên hàng đó, nên chèn thêm một từ ở đầu đoạn sẽ đẩy mọi từ phía sau sang dòng khác. Từ điểm đó trở đi không dòng nào khớp nữa, và cả đoạn hiện ra như bị xoá rồi thêm lại.

Trông thì đáng ngại nhưng không phải vấn đề. Đọc khối đỏ và khối xanh như một cặp, thay đổi thật thường lộ ra trong vòng một câu. Hai cách giúp giảm nhiễu:

• So sánh các bản được xuất từ cùng một tài liệu nguồn và cùng khổ trang. Xuất lại tệp Word sang khổ giấy khác sẽ ngắt dòng lại toàn bộ và khiến báo cáo thành vô dụng.
• So sánh đúng chương cần soát thay vì cả cuốn sổ tay 200 trang. Cắt trước hai tệp theo cùng một khoảng trang, báo cáo sẽ đủ ngắn để thật sự đọc được.

Bản quét cần OCR trước

Bản quét là ảnh chụp một trang giấy. Không có chữ để so, nên báo cáo trả về hoặc rỗng hoặc vô nghĩa. Hãy cho cả hai tệp qua OCR trước, thao tác này thêm một lớp văn bản mà không đổi diện mạo trang, rồi so sánh kết quả. Cũng phải chấp nhận rằng lỗi nhận dạng sẽ hiện lên như khác biệt: một rn bị đọc thành m là một thay đổi thật trong văn bản trích ra, dù hai trang thực tế giống hệt nhau.

Câu hỏi thường gặp

Tôi so sánh tài liệu Word với PDF được không?

Hãy chuyển tệp Word sang PDF trước rồi so sánh hai tệp PDF. Sẽ có chút nhiễu ở chỗ ngắt dòng, vì Word và phần mềm tạo ra PDF gốc không ngắt dòng ở cùng vị trí, nhưng các sửa đổi về nội dung vẫn nổi lên rất rõ.

Báo cáo có chỉ ra thay đổi nằm ở chỗ nào trên trang không?

Không dưới dạng số trang. Báo cáo đi theo thứ tự đọc của tài liệu từ trên xuống, nên các thay đổi xuất hiện theo đúng trình tự như trong bản gốc, nhưng muốn xem ngữ cảnh thì bạn phải tìm dòng đã đổi trong tệp nguồn. Với phần lớn việc soát xét, chỉ cần sao chép rồi Ctrl+F là xong.