Comparar PDF y superponer planos

Acerca de Comparar PDF y superponer planos

Hay dos maneras de preguntar qué cambió entre dos PDF. La comparación de texto extrae las palabras y las alinea; la comparación visual dibuja las dos páginas y compara píxeles. La de texto localiza con precisión las frases editadas, pero no ve nada que no sea texto: un sello, una firma, una línea de un plano. La de píxeles lo ve todo, pero si un párrafo baja una línea marca media página como cambiada.

La pestaña principal de esta herramienta usa las dos. Primero compara los documentos palabra por palabra y marca con recuadros rojos en el original las palabras eliminadas y con verdes en la revisión las añadidas. Después dibuja cada par de páginas emparejadas al mismo tamaño y marca con recuadros naranjas discontinuos los cambios de píxeles que quedan, descontando las zonas que ya explicó la comparación de texto. Hay otras dos pestañas: una superposición rojo/cian para planos y una comprobación rápida del número y tamaño de páginas.

Comparación de texto: todo el documento como una sola secuencia

Las palabras se extraen de ambos archivos con PDF.js y se comparan con el algoritmo O(ND) de Myers, de la misma familia que diff de Unix y git. Como la comparación recorre el documento entero y no página a página, un párrafo insertado en la página 2 no hace que todas las siguientes parezcan cambiadas solo porque el contenido se desplazó. Luego las páginas se emparejan según cuántas palabras comparten y se muestran lado a lado.

Antes de comparar, cada palabra se normaliza con Unicode NFKC, de modo que «ＡＢＣ» de ancho completo equivale a «ABC» y la ligadura «fi» a «fi». Las opciones de ignorar mayúsculas y signos de puntuación hacen que «Contrato.» y «contrato» cuenten como iguales. Si los documentos difieren muchísimo (una distancia de edición de más de 4.000 palabras), la herramienta deja de afinar y declara el tramo central como una sola eliminación más una adición, así que comparar dos documentos sin relación no da un resultado útil.

Cuando la comparación de texto señala algo que no cambió

• Guiones de final de línea: si al recomponer el texto «docu-» + «mento» pasa a ser «documento», aparece como palabra cambiada.
• Orden de lectura: en maquetas a varias columnas o con muchos cuadros de texto, el orden en que se guarda el texto puede variar entre versiones y producir pares eliminar/añadir con contenido idéntico.
• Cambios invisibles: las mismas palabras con otro color, grosor o tamaño no salen en la comparación de texto (la de píxeles puede detectarlos si el dibujo cambia lo suficiente).
• Escaneos: sin capa de texto, solo trabaja la comparación de píxeles.

Falsos positivos de píxeles: líneas desplazadas y PDF reexportados

Las páginas emparejadas se dibujan a 900 px de ancho. Un píxel cuenta como distinto cuando la mayor de sus diferencias en los canales R, G y B supera un umbral: 110, 64 o 32 (en escala 0–255) para sensibilidad baja, normal y alta. La página se divide en celdas de 10×10 px; una celda se marca si tiene al menos 12, 5 o 2 píxeles distintos respectivamente, y las celdas contiguas se unen en un recuadro. En un A4, una celda mide unos 2,3 mm.

El falso positivo típico es el reflujo. Si se añaden unas palabras en la línea 3 y el párrafo crece una línea, todas las de debajo bajan unos píxeles y los píxeles difieren aunque las palabras no. Por eso se eliminan los recuadros de píxeles que se solapan con un cambio de texto, y las palabras que la comparación de texto emparejó como iguales pero cambiaron de posición se excluyen de la de píxeles, tanto en su sitio antiguo como en el nuevo. Lo que no es texto, como rayas de tabla, subrayados o imágenes, puede moverse con él y conservar recuadros naranjas, así que mira primero los rojos y verdes.

Volver a exportar el mismo original desde otro programa cambia el hinting de las fuentes y el suavizado, así que los bordes de las letras varían un poco. Esas diferencias suelen quedar por debajo de 64 y se filtran en sensibilidad normal, pero en alta pueden teñir de naranja páginas enteras. Si solo quieres saber si desapareció un sello o una firma, la sensibilidad baja es más tranquila.

Pestaña de superposición y pestaña de número y tamaño

La superposición reproduce un truco clásico para revisar planos: el original se tiñe de rojo y la revisión de cian. Donde ambos tienen tinta el resultado es oscuro; donde solo uno la tiene, destaca ese color. Las páginas se emparejan por posición (la 1 con la 1) y los pares cuyo tamaño difiere en más de 2 pt se listan en lugar de superponerse. Si todo el plano se desplazó unos milímetros en la revisión, cada línea aparece doble en rojo y cian, y esta pestaña no tiene control para realinearlas.

La pestaña de número y tamaño no lee contenido: compara el número de páginas y el MediaBox, el CropBox (área visible) y el /Rotate de cada una. Responde en segundos a «¿se añadieron páginas o cambió el tamaño de papel, el recorte o la rotación?». No detecta páginas reordenadas. Como trabaja por índice, una página insertada en medio parece una página añadida al final, más cambios de tamaño en las páginas posteriores que difieran.

Ejemplos

Cómo se usa

1. Añade el PDF original y el revisado (el botón de intercambio invierte el orden).
2. Elige ignorar mayúsculas y puntuación y la sensibilidad de píxeles, y compara.
3. Pulsa los cambios de la lista para ir a cada uno y guarda el informe PDF anotado y el resumen de texto.

Preguntas frecuentes