So sánh 2 file PDF khác nhau ở đâu, chỉ ra từng chữ được thêm, xóa, sửa
Khi nhận lại hợp đồng, báo giá hay hồ sơ thầu ở dạng PDF, việc dò bằng mắt xem bản mới khác bản cũ chỗ nào vừa mất thời gian vừa dễ sót. Công cụ so sánh 2 file PDF này lấy phần chữ trong từng trang của cả hai file, so theo đoạn rồi theo từng từ, tô đỏ phần bị xóa, tô xanh phần được thêm và ghi rõ số trang. Tất cả chạy trong trình duyệt, file không được gửi lên máy chủ.
Tính năng nổi bật
- Đọc chữ trong PDF bằng thư viện pdf.js, ghép các mẩu chữ thành dòng và đoạn theo vị trí trên trang, chuẩn hóa tiếng Việt về dạng NFC
- So sánh hai bước: tìm đoạn giống, khác bằng thuật toán Myers, rồi so từng từ bên trong các đoạn bị sửa
- Hai chế độ: so toàn văn bản (đúng cả khi bản mới bị lệch trang) hoặc so từng cặp trang tương ứng
- Xem song song hai cột A, B hoặc gộp một cột, lọc chỉ hiện đoạn có thay đổi, mỗi đoạn ghi số trang trong từng file
- Tùy chọn bỏ qua chữ hoa thường, khoảng trắng, dấu câu và dòng chỉ chứa số trang
- Bảng tóm tắt số đoạn sửa, thêm, xóa, giữ nguyên, số từ thêm, xóa và danh sách trang có thay đổi
- Phát hiện trang không có chữ (thường là trang scan) và báo cụ thể số trang, gợi ý chạy OCR trước
- Xuất báo cáo HTML đầy đủ để lưu, gửi email hoặc mở bằng trình duyệt rồi in ra PDF
Vì sao cần công cụ so sánh 2 file PDF thay vì đọc lại bằng mắt
Một thay đổi nhỏ như đổi 12 tháng thành 18 tháng, bỏ một chữ không trong điều khoản phạt hay sửa số tài khoản ngân hàng hoàn toàn có thể lọt qua khi đọc lại một tài liệu 20 trang. Các phần mềm PDF có tính năng so sánh thường nằm trong gói trả phí, còn nhiều dịch vụ trực tuyến yêu cầu tải tài liệu lên máy chủ, không phù hợp với hợp đồng hay hồ sơ nội bộ. Công cụ này đọc cả hai file ngay trên máy bạn, chỉ ra chính xác từng từ khác nhau và vị trí trang của nó, giúp bạn dành thời gian xem xét những chỗ thực sự thay đổi thay vì đọc lại toàn bộ.
Lợi ích khi sử dụng
- Không bỏ sót những sửa đổi nhỏ về con số, ngày tháng, tên riêng trong hợp đồng dài
- Tài liệu nhạy cảm không phải tải lên máy chủ của bên thứ ba
- Biết ngay thay đổi nằm ở trang nào của từng file để mở bản gốc đối chiếu
- Không cần cài phần mềm, dùng được trên mọi máy tính có trình duyệt hiện đại
- Có báo cáo HTML làm bằng chứng đã rà soát, lưu kèm hồ sơ
Cách so sánh 2 file PDF khác nhau
- 1Ở khung Bản gốc (A), chọn file PDF phiên bản cũ. Công cụ đọc chữ từng trang và báo số trang, số đoạn chữ lấy được.
- 2Ở khung Bản mới (B), chọn file PDF phiên bản đã sửa. Nếu có trang không lấy được chữ, công cụ sẽ ghi rõ số trang đó.
- 3Chọn tùy chọn so sánh: bỏ qua chữ hoa thường, khoảng trắng, dấu câu hay dòng số trang tùy mục đích. Chỉ bật so từng cặp trang khi hai file có cùng cách ngắt trang.
- 4Bấm So sánh hai file và xem bảng tóm tắt: số đoạn sửa, thêm, xóa và các trang có thay đổi ở mỗi file.
- 5Xem chi tiết ở chế độ Song song hoặc Gộp một cột. Chữ gạch ngang nền đỏ là phần bị xóa khỏi bản A, chữ nền xanh là phần được thêm ở bản B.
- 6Bấm Tải báo cáo HTML để lưu kết quả, gửi cho đồng nghiệp hoặc mở bằng trình duyệt rồi in ra.
Công cụ đọc chữ trong PDF như thế nào
Bên trong một file PDF, chữ không được lưu thành đoạn văn liền mạch như trong Word mà là rất nhiều mẩu chữ nhỏ, mỗi mẩu có tọa độ riêng trên trang. Công cụ lấy các mẩu chữ này bằng pdf.js, rồi ghép lại: các mẩu cùng một dòng (chênh lệch chiều dọc dưới nửa cỡ chữ) được nối với nhau, chỉ chèn dấu cách khi hai mẩu cách nhau đủ xa để không tách rời dấu thanh tiếng Việt khỏi chữ cái. Các dòng liền nhau được gộp thành một đoạn; khi khoảng cách giữa hai dòng lớn hơn khoảng 1,8 lần cỡ chữ, hoặc chữ nhảy ngược lên đầu trang (sang cột mới), một đoạn mới bắt đầu. Chữ tiếng Anh bị gạch nối cuối dòng như infor- và mation được nối lại thành information. Cuối cùng mọi chữ được chuẩn hóa Unicode về dạng NFC để chữ có dấu gõ theo hai kiểu khác nhau vẫn được coi là giống nhau.
So toàn văn bản hay so từng cặp trang: ví dụ cụ thể
Giả sử bản A là hợp đồng 2 trang, trang 1 có Điều 1 đến Điều 3. Ở bản B, người soạn sửa số căn hộ từ 12 thành 15, sửa giá thuê từ 10.000.000 thành 12.000.000 đồng và chèn thêm Điều 2a về tiền điện nước, khiến Điều 3 bị đẩy sang trang 2. Ở chế độ mặc định so toàn văn bản, công cụ báo đúng 2 đoạn bị sửa, 1 đoạn thêm mới và 3 đoạn giữ nguyên, trong đó Điều 3 được nhận ra là không đổi dù đã nằm ở trang khác. Nếu bật so từng cặp trang, trang 1 của A bị đem so với trang 1 của B, nên Điều 3 bị báo là xóa ở trang 1 rồi thêm ở trang 2, tức là một thay đổi giả. Vì vậy chỉ nên bật chế độ từng trang khi hai file có cùng bố cục trang, ví dụ hai bản in của cùng một biểu mẫu.
PDF scan không có chữ: vì sao không so được và cách xử lý
PDF tạo ra từ máy scan hoặc từ ảnh chụp điện thoại thường chỉ chứa hình ảnh của trang, không có lớp chữ bên trong. Bạn nhìn thấy chữ nhưng máy tính chỉ thấy các điểm ảnh, nên không có gì để so sánh. Công cụ kiểm tra từng trang: nếu trang không có chữ nào ngoài số trang, nó được liệt kê trong dòng cảnh báo Không có chữ ở trang...; nếu cả file không có chữ, công cụ báo rằng đây nhiều khả năng là PDF scan. Cách xử lý là chạy nhận dạng chữ (OCR) cho file đó bằng công cụ OCR PDF trên cùng website, rồi so sánh kết quả. Lưu ý OCR có thể nhận nhầm một vài ký tự, nên những khác biệt rất nhỏ kiểu một dấu thanh cần được kiểm tra lại với bản gốc.
Công cụ không so sánh những gì
Công cụ chỉ so phần chữ đọc được. Những khác biệt về định dạng như in đậm, in nghiêng, cỡ chữ, màu chữ, phông chữ, căn lề, khoảng cách dòng sẽ không được báo. Hình ảnh, chữ ký dạng hình, con dấu, biểu đồ, đường kẻ bảng cũng không được so. Với bảng biểu, các ô được đọc theo thứ tự chữ xuất hiện trong file, nên một bảng bị đổi độ rộng cột có thể làm thứ tự chữ thay đổi và sinh ra khác biệt dù số liệu vẫn vậy. Nếu cần so bố cục và hình ảnh, cách chắc chắn nhất vẫn là chuyển hai file sang ảnh bằng công cụ chuyển PDF sang ảnh rồi đặt cạnh nhau để xem.
Khi nào nên bật các tùy chọn bỏ qua
Bỏ qua khác biệt khoảng trắng được bật sẵn, vì PDF xuất từ các phần mềm khác nhau hay chèn dấu cách thừa hoặc khoảng trắng không ngắt. Bỏ qua dòng chỉ có số trang cũng được bật sẵn để số trang ở chân trang, dạng 3, Trang 3, Page 3 of 10, không bị báo là thay đổi khi số trang lệch nhau. Bỏ qua chữ hoa thường hữu ích khi bản mới chỉ đổi kiểu viết tiêu đề. Bỏ qua dấu câu giúp tập trung vào nội dung khi bản mới chỉ sửa dấu phẩy, dấu chấm, nhưng cần thận trọng với con số: 10.000 và 10000 sẽ bị coi là giống nhau khi bật tùy chọn này.
Đọc bảng tóm tắt và báo cáo HTML
Bảng tóm tắt cho biết số đoạn bị sửa (có ở cả hai bản nhưng khác nội dung), đoạn thêm mới (chỉ có ở bản B), đoạn bị xóa (chỉ có ở bản A) và đoạn giữ nguyên. Hai đoạn bị xem là cùng một đoạn đã sửa khi chúng có ít nhất khoảng 40 phần trăm từ ngữ chung, nếu không chúng được tách thành một đoạn xóa và một đoạn thêm. Số từ thêm, xóa đếm theo từ thực sự thay đổi, không tính dấu câu. Dòng Trang có thay đổi liệt kê gọn các trang, ví dụ 1-3, 7, để bạn mở bản gốc đúng chỗ. Báo cáo HTML chứa toàn bộ kết quả, kể cả khi màn hình chỉ hiện 3.000 dòng đầu để trình duyệt chạy mượt, và có ghi thời điểm so sánh theo giờ máy bạn.
Giới hạn cần biết
Một số PDF dùng phông chữ không kèm bảng mã Unicode, thường gặp ở file xuất từ phần mềm cũ hoặc dùng phông VNI, TCVN3; khi đó chữ lấy ra có thể bị lỗi mã và kết quả so sánh không còn ý nghĩa. Bạn có thể kiểm tra nhanh bằng cách bôi đen chữ trong trình đọc PDF rồi dán ra Notepad: nếu dán ra ký tự lạ, công cụ cũng sẽ đọc ra ký tự lạ. PDF nhiều cột, có hộp chữ nằm rải rác hoặc chữ xoay dọc có thể bị ghép đoạn không đúng thứ tự đọc. File có mật khẩu mở cần được gỡ mật khẩu trước. Mỗi file tối đa 200 MB; với tài liệu hàng nghìn trang, bước đọc chữ có thể mất vài phút.
Câu hỏi thường gặp (FAQ)
So sánh 2 file PDF khác nhau có cần tải file lên mạng không?
Không. Hai file được đọc và so sánh ngay trong trình duyệt của bạn. Lần đầu dùng, trình duyệt có thể tải thư viện đọc PDF từ mạng phân phối jsDelivr, nhưng nội dung file của bạn không được gửi đi đâu.
Công cụ có so sánh được file PDF scan không?
Không trực tiếp. PDF scan chỉ chứa ảnh nên không có chữ để so. Công cụ sẽ báo những trang không có chữ; bạn cần chạy nhận dạng chữ bằng công cụ OCR PDF trước rồi so sánh file kết quả.
Nếu bản mới bị chèn thêm một trang ở giữa thì kết quả có bị sai hết phía sau không?
Không, nếu bạn để chế độ mặc định so toàn văn bản. Công cụ so theo nội dung chứ không theo số trang, nên các đoạn phía sau vẫn được nhận ra là giống nhau dù đã lệch trang. Chỉ chế độ so từng cặp trang mới bị ảnh hưởng.
Công cụ có báo khác biệt về định dạng như in đậm, cỡ chữ không?
Không. Công cụ chỉ so phần chữ. Định dạng, bố cục, hình ảnh, con dấu, chữ ký dạng hình đều không được so sánh.
Vì sao chữ lấy ra từ PDF của tôi bị lỗi ký tự lạ?
File dùng phông chữ không kèm bảng mã Unicode, thường là phông VNI, TCVN3 hoặc phông nhúng dạng hình. Khi đó chính trình đọc PDF cũng không sao chép được chữ đúng. Cách khắc phục là xuất lại PDF từ file gốc bằng phông Unicode, hoặc chạy OCR.
Đoạn bị sửa và đoạn bị xóa rồi thêm mới khác nhau thế nào?
Nếu đoạn ở bản B còn giống đoạn ở bản A khoảng 40 phần trăm từ ngữ trở lên, công cụ coi đó là một đoạn bị sửa và tô từng từ khác nhau. Nếu ít hơn, đoạn cũ được báo là bị xóa và đoạn mới được báo là thêm mới.
Có so được PDF tiếng Việt có dấu không?
Có. Chữ được chuẩn hóa Unicode về dạng NFC trước khi so, nên chữ có dấu gõ kiểu tổ hợp hay dựng sẵn đều được coi là giống nhau. Dấu thanh không bị tách rời khỏi chữ cái khi ghép các mẩu chữ.
Số trang ở chân trang có bị báo là thay đổi không?
Không, khi tùy chọn Bỏ qua dòng chỉ có số trang đang bật (mặc định). Những dòng chỉ gồm số trang như 3, Trang 3, - 3 -, 3/10 hay Page 3 of 10 được loại khỏi phép so.
Có so sánh được PDF có mật khẩu không?
File có mật khẩu mở thì không, công cụ sẽ báo và gợi ý gỡ mật khẩu bằng công cụ Mở khóa PDF. File chỉ bị khóa quyền in, sửa nhưng vẫn mở xem được thì thường vẫn đọc được chữ bình thường.
So sánh file PDF với file Word được không?
Công cụ này nhận hai file PDF. Nếu một bản là Word, hãy lưu bản Word đó thành PDF rồi so. Nếu cả hai đều là Word, dùng công cụ So sánh 2 file Word sẽ chính xác hơn vì đọc được đoạn văn gốc.
Báo cáo HTML dùng để làm gì?
Báo cáo là một file HTML độc lập chứa bảng tóm tắt và toàn bộ khác biệt đã tô màu, kèm số trang. Bạn có thể mở bằng bất kỳ trình duyệt nào, gửi qua email, lưu vào hồ sơ hoặc in ra giấy, PDF.
Bỏ qua dấu câu có rủi ro gì?
Có. Khi bật, dấu chấm và dấu phẩy trong số cũng bị bỏ qua, nên 10.000 và 10000, hay 1,5 và 15, sẽ được coi là giống nhau. Với hợp đồng có nhiều con số, nên để tùy chọn này tắt.
File PDF dài bao nhiêu trang thì so được?
Không giới hạn số trang cứng, mỗi file tối đa 200 MB. Tốc độ phụ thuộc máy của bạn; công cụ hiện tiến độ đọc từng trang và nhả luồng định kỳ để trang web không bị treo.
Kết quả có đảm bảo phát hiện 100 phần trăm thay đổi không?
Với phần chữ đọc được, mọi từ khác nhau đều được đánh dấu. Tuy vậy những thay đổi nằm ngoài lớp chữ, như hình ảnh, chữ trong ảnh scan, định dạng, sẽ không được phát hiện. Với tài liệu pháp lý quan trọng, hãy dùng kết quả để khoanh vùng rồi đối chiếu lại bản gốc.
Từ khóa liên quan
- so sánh 2 file pdf khác nhau
- so sánh 2 file pdf online
- so sánh văn bản pdf
- tìm điểm khác nhau giữa 2 file pdf
- compare pdf tiếng việt
- so sánh hợp đồng pdf
- đối chiếu hai phiên bản pdf
- so sánh file pdf miễn phí
- kiểm tra thay đổi trong file pdf
- so sánh nội dung 2 file pdf
- diff pdf online
- so sánh pdf không cần phần mềm
- so sánh pdf từng trang
- phát hiện chỉnh sửa trong pdf
- so sánh 2 bản hợp đồng
- so sánh báo giá pdf
- so sánh pdf scan
- so sánh pdf với word
- công cụ so sánh tài liệu
- so sánh văn bản tiếng việt
