比較には 2 種類ある
テキスト比較は両方のファイルから語を取り出して並べ、追加・削除・書き換えを示します。画像比較はページを画像として重ね、画素が違う場所を強調します。契約書、見積書、報告書には前者が必要です。図面、ロゴ、レイアウトの校正には後者です。
テキスト比較が見つけるもの
- 追加・削除された条項。
- 変わった数字。日付、金額、通知期間など。
- たった一語の入れ替え。「できる」が「しなければならない」になるような、ざっと読んでは絶対に気づかない変更です。
書体の変更、画像の移動、次ページに移った署名欄は見つかりません。どれもテキストを変えていないからです。
見つけられないもの
PDF がスキャンなら、比較するテキストがありません。ページは語の写真です。まず文字認識をかけ、認識したテキストを比較してください。認識は完璧ではないので、1 文字だけのおかしな差がいくつか出たら、本当の修正ではなく読み取り誤りと考えてください。
結果の読み方
比較は行単位で動くので、1 文を挿入すると以降の行がすべてずれ、ページの残り全部が光ることがあります。どれだけ色が付いたかではなく、差がどこから始まるかを見てください。余白が変わって段落が流れ直したときも同じことが起きます。語は同じで、改行位置だけが全部動いています。
比較する前に
- ページ数を見る。 違うなら構造が変わっており、先にそれを突き止めたほうがよいです。
- 語数を比べる。 大きく違えば内容が動いており、同じ語数で差が出るなら言い回しが変わっています。
- 同じ範囲を使う。 全体と抜粋を比べても、得られるのは情報ではなくノイズです。
秘密を守る
契約書、給与の書類、診療記録は、まさに人が差を確かめるために知らない相手のサーバーへ上げてしまう種類の文書です。ブラウザー内で動く比較はファイルをどこにも送りません。機密のものに使えるのはこの形だけです。
ツール
PDF の比較は 2 つの PDF のテキストを並べ、変わった箇所をブラウザー内で示します。テキストの比較は貼り付けた文章で同じことを行い、PDF の文字数カウントは手早い確認用の数字を出し、画像から文字起こしはスキャンしたページの語を認識して比較できる状態にします。