フォルダー内にある 2 つの PDF ファイルは同じファイル名ですが、1 つは今朝保存され、もう 1 つは先週保存されました。これらは同じ文書の同一のコピーである可能性があり、誤って 2 回保存され、ストレージ領域を無駄にし、どちらが正式なバージョンであるかについての混乱を引き起こします。これらは、誰かが小さいながらも重要な編集を行ったり、契約表の金額を変更したり、フッターの有効期限を更新したり、名前のスペルを修正したり、変更を示すためにファイル名を変更しなかったりするなど、微妙に異なるバージョンである可能性があります。それらがバイトごとに正確に同一であるか、それとも微妙に異なるバージョンであるかを判断するには、両方のファイルを開いて並べて視覚的にスキャンするよりもさらに深い比較が必要です。
人間の目は、2 つの類似した文書間の小さな違いを見つけるのに非常に信頼できません。特に、その違いが、高密度のテキストのページ内の 1 桁の変更である場合です。比較ツールは、2 つのウィンドウを手動で切り替えたり、一方のページの画像を視覚的記憶に保持しながらもう一方のページの画像を調べたりすることによっては決して気付かないものも含め、あらゆる違いを系統的に見つけ出します。
2 つの PDF Compare ファイルが同一であるかどうかを確認するには、数秒で完了する正確なバイト レベルの同一性確認のために暗号化ファイル ハッシュを計算するか、ファイル間の内容のすべての違いを識別する詳細な視覚的およびテキスト レベルの比較を実行する必要があります。 WukongPDF の PDF ツール は、両方の方法によるドキュメントの比較をサポートしており、以下の手順では、高速な完全一致チェックと徹底的なコンテンツ差異分析をカバーしています。
最速のチェック: ファイル ハッシュを比較してバイト レベルの正確な同一性を確認する
暗号化ファイル ハッシュは、PDF ヘッダーからすべてのコンテンツ オブジェクト、相互参照テーブルの最終バイトに至るまで、ファイル データのすべてのバイトから数学的に計算される一意のデジタル フィンガープリントです。まったく同じハッシュ値を生成する 2 つのファイルは、バイトごとに数学的確実性を持って同一です。異なるハッシュ値を生成する 2 つのファイルは、数学的確実性からも同一ではありません。ハッシュの計算にはファイル サイズに関係なく数秒かかるため、これが可能な限り最速の ID チェックになります。 Windows では、PowerShell を開き、両方のファイルに対して Get-FileHash コマンドを実行し、アルゴリズムとして SHA256 を指定します。 2 つのハッシュ文字列を 1 文字ずつ比較します。すべての文字が一致する場合、ファイルは正確なコピーであり、それ以上の比較は必要ありません。
ハッシュ比較はバイナリの同一性に関する質問には明確に答えますが、同一ではない 2 つのファイルの実際の違いについては何もわかりません。 4 ページの金額の一桁のみが変更された 2 つのバージョンの契約では、目に見える類似性を持たない完全に異なるハッシュ値が生成されます。ハッシュ比較では、それらが異なることが明確に示されていますが、すでに疑っているかもしれません。実際に知る必要がある、何が変更されたか、どこが変更されたか、または変更がどれほど重大であるかについての情報はまったく提供されません。
Acrobat のファイル比較ツールを使用して詳細なコンテンツの相違点を確認する
Adobe Acrobat Pro のファイル比較ツールは、2 つの PDF ドキュメントの包括的な多層比較を実行し、検出されたすべての違いをカタログ化した詳細なレポートを作成します。 Acrobat を開き、「表示」メニューまたは「ツール」パネルに移動して、「ファイルの比較」を選択します。比較する 2 つの PDF を選択し、「比較」をクリックします。 Acrobat は、両方の文書を複数のレベルで同時に分析します。抽出されたテキスト内容を単語ごとに、外観をピクセルごとに、変更が含まれる埋め込み画像と、ブックマークやメタデータを含む文書構造を比較します。
比較レポートには、検出されたすべての相違点が対話型の並べて表示され、左側に元のドキュメント、右側に変更されたバージョンが表示されます。変更されたテキストは色付きの背景で強調表示されます。追加されたコンテンツは 1 つの異なる色 (通常は緑色) で表示されます。削除されたコンテンツは別の色 (通常は赤) で表示されます。このレポートは、2 つのバージョン間で何が変更されたのかをページごと、行ごとに正確に説明し、完全な変更監査証跡として機能します。法的契約、規制当局への提出書類、財務報告書、およびコンプライアンスや交渉の目的で何が変更されたかを正確に知ることが重要なあらゆる文書の場合、詳細な比較レポートが決定的な証拠を提供します。
PDF の視覚的フォーマットが異なる場合のテキスト コンテンツの比較
2 つの PDF には、異なるフォント、異なるフォント サイズ、異なるページ寸法、異なるマージン設定、または異なる画像圧縮パラメータなど、異なる形式で表現された同一のテキスト コンテンツが含まれている場合があります。完全に視覚的に比較すると、実際の目的とはまったく無関係な純粋に表面的なものを含め、これらの書式設定の違いがすべてフラグ付けされます。すべての書式設定を意図的に無視するテキストのみの比較の場合は、Acrobat のテキストへエクスポート機能または専用の PDF テキスト抽出ライブラリを使用して、両方の PDF からテキストを抽出します。 Unix の diff コマンドやビジュアル diff アプリケーションなどの標準的なテキスト比較ツールを使用するか、両方をワード プロセッサに貼り付けてその比較機能を使用して、抽出された 2 つのテキスト ファイルを比較します。
テキストのみの比較では、純粋に表面上の違いからノイズを除去しながら、実際の意味のあるコンテンツへの変更を分離します。差異が返されないテキスト比較により、フォントの更新、マージン調整、またはブランド変更によりページ上でわずかに異なって見える場合でも、2 つのドキュメント バージョンがまったく同じ単語でまったく同じことを述べていることが確実に確認されます。これは、フォント ファミリーが変更されたか、ページ余白が調整されたかに関係なく、2 つの草案間で契約文言が実質的に変わっていないことを確認する場合の正しい比較アプローチです。
| 比較方法 | 検出するもの | 最適な用途 |
|---|---|---|
| ファイルハッシュ(SHA256) | バイトレベルの同一性または差異、その間には何も存在しない | 簡単なチェック: これらはまったく同じファイルかどうか? |
| Acrobat ファイルの比較 | あらゆるテキスト、画像、書式設定、構造の変更 | 2 つのドキュメント バージョン間のすべての変更を詳細に監査 |
| テキスト抽出 + 差分 | テキストの内容のみが変更され、書式設定は完全に無視されます | 契約文言または文書本文の確認 |
ページが追加、削除、または並べ替えられていないことの確認
コンテンツを比較すると、個々のページでテキストの変更がない場合がありますが、2 つの PDF の総ページ数やページの順序が異なる場合があります。 7 ページがサイレントに削除され、残りのページに番号が付け直された PDF では、合計ページ数は異なりますが、残っているすべてのページに同一のテキスト コンテンツが表示されます。詳細な比較を行う前に、まず両方のファイルのページ数を確認してください。カウントが 1 ページでも異なる場合は、バージョンによってドキュメントのどこかにページが追加または削除されています。
ページ数が同じ場合は、サムネイル ビューで両方のドキュメントを並べてスクロールし、対応する位置で各ページのビジュアル コンテンツをすばやく比較します。元の位置 5 から新しい位置 12 に移動されたページは、元のページと完全に同一のコンテンツを持ちますが、間違った連続位置に表示されます。サムネイル比較は、ページの位置に関係なく抽出されたテキストを比較するコンテンツのみの比較では完全に見逃される可能性があるページの並べ替えを検出します。