Comparar archivos PDF

Preguntas frecuentes

¿Qué tipos de cambios puede encontrar?

Cambios de texto — adiciones, eliminaciones y modificaciones detectadas mediante extracción de texto de PDF + comparación de Myers a nivel de tokens. Cambios visuales — modificaciones de imágenes, cambios de diseño, o cualquier diferencia a nivel de píxeles detectada cuando la extracción de texto produce muy poco texto para una comparación fiable (menos de 50 caracteres por página). El algoritmo híbrido elige por página automáticamente: diferencia de texto donde existe texto, diferencia de píxeles donde no. El panel de resumen clasifica cada página para que veas qué tipo de cambio ocurrió dónde.

¿Funciona con PDF escaneados?

Sí, mediante el respaldo de diferencia de imágenes. El algoritmo detecta por página si la extracción de texto tuvo éxito (50 caracteres o más). Para páginas escaneadas sin texto extraíble, recurre automáticamente a la comparación de píxeles a nivel de canvas. El respaldo también cubre diseños con muchas imágenes donde el texto se renderiza como bitmaps incrustados. La compensación: la diferencia de imágenes capta cada diferencia de píxeles (útil para verificación de redacciones) pero no distingue cambios significativos del ruido como diferencias de renderizado de fuentes. Usa el panel de resumen para enfocarte en páginas con los recuentos de cambios más altos.

¿Y si los dos PDF tienen diferentes cantidades de páginas?

El resultado se clasifica como comparación parcial. Las páginas superpuestas se comparan normalmente; las extra en el lado más largo aparecen en el panel de resumen como no emparejadas. Este es el caso más común para revisión de revisiones — el autor añadió o eliminó páginas entre versiones. La comparación aún funciona para las páginas superpuestas, y el panel de resumen hace explícito el cambio estructural. Si la diferencia es grande (un documento mucho más largo que el otro), PDF a Texto puede servir mejor para comparación solo de contenido.

¿Mis PDF se suben a tus servidores?

No. La comparación completa se ejecuta en tu navegador a través de pdf-lib y pdfjs. Ambos PDF permanecen en tu dispositivo. Esto importa específicamente para comparar: los casos de uso de revisión a menudo involucran contenido sensible (contratos, documentos redactados, estados financieros) donde subir a un servidor de terceros añade riesgo precisamente cuando no lo quieres. Los competidores basados en servidor requieren subir; la comparación de pdfmundo se ejecuta solo en navegador sin subidas.

¿Por qué algunos PDF idénticos en texto se marcan como diferentes?

La codificación de texto en PDF tiene variantes Unicode para caracteres visualmente idénticos. El caso más común: ligaduras. Las letras 'ff' codificadas como dos puntos de código separados (U+0066 + U+0066) frente al único glifo de ligadura 'ff' (U+FB00). Ambos se renderizan idénticamente en pantalla pero se comparan diferente como secuencias de caracteres. Comparar archivos PDF aplica normalización Unicode NFKC al texto extraído antes de la comparación, lo que detecta el caso de ligaduras automáticamente. Los falsos positivos persistentes generalmente indican diferente subdivisión de fuentes entre los dos PDF — visualmente idénticos pero codificados de forma diferente. El panel de resumen muestra dónde están las diferencias; puedes inspeccionar las páginas relevantes para verificar.

¿Puedo descargar un informe de diferencias?

No en v1. La vista lado a lado visual + panel de resumen en línea cubren el caso de uso principal de revisión. Un informe de diferencias descargable (PDF anotado con regiones resaltadas) está en la hoja de ruta de v1.1. Por ahora, capturas de pantalla de la vista lado a lado o del panel de resumen cubren la mayoría de las necesidades de documentación.

¿Cuál es el tamaño máximo de archivo y de páginas?

50 MB por archivo y 50 páginas por archivo. El límite de páginas existe porque la memoria de comparación escala con el recuento de páginas: la diferencia de imágenes renderiza ambas páginas a canvas a resolución completa, lo que cuesta unos 10 MB por par de páginas. El límite de 50 páginas mantiene la memoria del navegador acotada para el peor caso donde todas las páginas caen en diferencia de imágenes. La mayoría de casos de uso de revisión caben dentro de ambos límites; los documentos más largos típicamente se benefician de comparación por fragmentos (comparar rangos de páginas específicos en ejecuciones separadas).

¿Y si uno de mis PDF está corrupto?

La comparación da error con un resultado de uno-corrupto y un enlace directo a Reparar PDF. La cadena de derivación de recuperación es comparar → reparar → volver a comparar: reparar recupera lo que puede del PDF dañado, luego traes el archivo recuperado de vuelta a comparar. Si el archivo reparado aún no se analiza, PDF a Texto puede extraer cualquier contenido de texto plano para comparación externa como último recurso.