この無料ツールは 2 つの PDF ファイルを比較し、何が変わったか(追加・削除・置換された単語)をページごとにブラウザ内で正確に表示します。元の PDF と修正後の PDF を追加すると、各ページのテキストを抽出し、2 つの版のページを対応付け(挿入や削除されたページを認識するので、以降のページがすべてずれることはありません)、各ページの組を単語単位で比較します。削除された単語は取り消し線と [− …]、追加された単語は下線と [+ …] で、左右並べてまたはインラインで示すので、色に頼らなくても差分を読み取れます。ビジュアルモードではページをレンダリングしてピクセルの違いを強調表示するため、移動したロゴ、新しい署名、変わったグラフなど、テキストでは表せない変更もわかります。
PDF 比較でできること、できないことも正直にお伝えします。スキャンした PDF にはテキストではなくページの画像が入っているため、テキスト比較では何も検出できません。ビジュアルモードを使うか、先に画像からテキスト(OCR)ツールでスキャンをテキストに変換してください。次の行に折り返されたテキストは問題なく処理されますが、別のページに押し出されたテキストは、あるページでは削除、次のページでは追加として表示されます。どちらのファイルも端末から出ないので、契約書、見積書、規約など、このツールがよく使われる文書でも安心です。
使い方
- 元の PDF を A、変更後の PDF を B として選びます(動作を確かめるなら「サンプル PDF 2 つで試す」を押します)。
- 概要を確認します:各ファイルのページ数、変更のあるページ、追加・削除された単語数。
- ページメニューや「次の変更」ボタンでページを順に確認します。左右並べてとインラインの表示を切り替えられます。「オプション」を開くと、大文字・小文字や句読点を無視したり、ページを番号どおりに対応付けたりできます。
- レイアウト、画像、スキャンしたファイルの場合は「見た目の差分」に切り替えて感度のしきい値を設定し、「変更のあるページを検出」を押すと、見た目が異なるページがすべて一覧表示されます。
- レポートを HTML(閲覧・印刷用)またはプレーンテキスト(wdiff 形式、[-removed-] {+added+})でダウンロードします。
よくある質問
2 つの PDF ファイルの違いを比較するには?
古い版を A、新しい版を B として追加します。ツールは各ページのテキストを抽出し、2 つのファイルのページを対応付けて、追加・削除・置換されたすべての単語に印を付けます。画像、レイアウト、スキャンしたページなどテキスト以外の違いには、レンダリングしたページをピクセル単位で比較し、変更された領域を枠で囲むビジュアルモードを使ってください。
PDF はアップロードされますか?
いいえ。どちらのファイルも Firefox の PDF エンジンである pdf.js でブラウザのタブ内で開かれ、比較もすべてそこで行われます。サーバーには何も送信されないため、機密の契約書や草稿が端末の外に出ることはありません。一度読み込めばオフラインでも動作します。
PDF からテキストが見つからないのはなぜですか?
その PDF はおそらくスキャンしたものです。各ページが紙の画像で、テキストレイヤーがありません。テキスト比較にはテキストが必要です。どの PDF でも使える「見た目の差分」モードを使うか、先に OCR ツールでスキャンをテキストに変換してください。アプリから「PDF に印刷」で作成した PDF や Word から書き出した PDF には実際のテキストがあるので、問題なく比較できます。
小さな編集なのに多くの変更として表示されるのはなぜですか?
たいていは、テキストがページ間で移動したためです。編集によって段落が 3 ページ目から 4 ページ目に押し出されると、比較では一方のページから消えて次のページに現れたように見えます。ページ内での行の折り返しでは起こりません。比較するのは行ではなく単語だからです。また、行末でハイフンで区切られた単語は比較の前につなげられます。表や段組みの変更も大きく見えることがあります。PDF はそれらを読む順序のない、位置付きの断片として保存しているためです。
PDF のページ数が異なる場合はどうなりますか?
ページは内容によって対応付けられます。新しい版で挿入されたページは「B のみ(追加)」、削除されたページは「A のみ(削除)」と表示され、その前後のページは引き続き本来の対応ページと比較されます。常に 1 ページ目同士、2 ページ目同士で比較したい場合は、「オプション」で「ページを番号で対応付ける」にチェックを入れてください。
比較結果を保存できますか?
はい。レポートは、どのブラウザでも開けて、削除されたテキストは取り消し線、追加されたテキストは下線付きできれいに印刷できる HTML ファイルとして、または GNU wdiff の [-removed-] {+added+} 表記を使ったプレーンテキストファイルとしてダウンロードできます。ビジュアルスキャンを実行した場合は、各ページで異なるピクセルの割合も記載されます。
テキスト比較とビジュアル比較の違い
2 つのモードは別々の問いに答えます。テキスト比較は「言葉が変わったか?」を調べ、どのページのどの単語かを正確に一覧にします。フォント、色、間隔、画像は無視するので、契約書や規約で条項が編集されていないか確認するのに向いています。ビジュアル比較は「ページの見た目が違うか?」を調べ、差し替えられたロゴ、グラフの数値の変更、署名、印影、ずれた表、スキャンした PDF のあらゆる違いなど、テキストでは捉えられないものを検出します。
重要な場合は両方を使いましょう。テキスト比較で編集内容を読み、次にビジュアルスキャンでテキスト以外に変更がないことを確認します。テキストの変更がないページで見た目の差分があれば、よく確認する価値があります。
比較の仕組み
• テキスト抽出:pdf.js が各ページのテキストを位置付きの断片として返します。同じベースライン上の断片を左から右の順に並べて 1 行にします。
• ページの対応付け:共通する単語でページを照合します(DNA 配列のアラインメントと同じ考え方の動的計画法)。そのため、1 ページの挿入は挿入として認識されます。
• 単語の差分:必要に応じて大文字・小文字と句読点を正規化したあと、各ページの組を Myers の差分アルゴリズム(git diff で使われているもの)で単語単位に比較します。
• 見た目の差分:両方のページを同じ倍率でレンダリングし、いずれかの色チャンネルの差がしきい値を超えたピクセルを変更とみなして、変更されたピクセルを番号付きの領域にまとめます。
知っておきたい制限
段組みのレイアウトや表は、PDF がテキストを保存している順序で比較されます。これは通常は読む順序ですが、常にそうとは限りません。同じ文書から別々のプログラムで作成した 2 つの PDF は、間隔、合字(fi を 1 文字として扱うもの)、改行が異なることがあり、読む人には違いがない箇所が変更として表示される場合があります。句読点を無視すると、その一部は解消できます。ほぼ全体が異なる非常に大きなページは、ブラウザの応答性を保つため、差分を取らずに全体が置き換えられたものとして表示されます。ファイルはそれぞれ 50 MB までです。
