PDF比較・差分チェック

PDF の比較・差分チェックは、2 つの PDF から文章を取り出して行ごとに突き合わせ、どこが変わったかを機械的に洗い出す作業です。改訂前と改訂後の契約書を並べて読み比べる代わりに、変わった行だけを色分けして見せます。

目で読み比べる確認は、文字の増減が少ないときほど見落とします。金額の桁が 1 つ違う、日付が 1 日ずれている、条文が 1 つ増えているといった変更は、紙を並べても気づきません。行単位で突き合わせれば、差分の件数そのものが先に分かります。

1. 左の枠に改訂前(旧)の PDF、右の枠に改訂後(新)の PDF をドラッグ&ドロップ、またはクリックして選びます
2. 順番を間違えたら「旧と新を入れ替える」を押します。追加と削除が逆に出ているときはこれで直ります
3. 「比較する」を押すと、差分の件数と、変わった行の一覧が出ます
4. 「前の変更へ」「次の変更へ」で差分を順番にたどります。一致した行も読みたいときは「差分だけ表示する」のチェックを外します
5. 「差分を .txt で保存」で、変更箇所の一覧をテキストファイルとして保存できます

どうやって 2 つの PDF の違いを見つけている?

3 段階で求めます。まず各ページの文章を pdf.js で取り出し、1 行ずつに分解します。次に 2 つの行の列から最長共通部分列を求めます。どちらにも同じ順序で現れる行の、最も長い並びのことです。最後に、そこから外れた行を削除と追加に振り分けます。削除の直後に追加が並んだ場所は、同じ行が書き換えられたものとみなし、「変更」として左右に対応づけます。

たとえば旧 3 行・新 4 行の次の条文を比べると、差分は 3 件(変更2 / 追加 1 / 削除 0)、一致は1 行と判定されます。

第7条は文面が同じなので、新しい側で 1 行うしろにずれても「一致」です。行番号で突き合わせる方式だと、1 行の追加より下の全部が差分になってしまいます。共通部分列で対応づけるのは、この行のずれを吸収するためです。

行に分解するとき、連続する空白とタブは半角スペース 1 つにそろえます。PDF から取り出した文章は、同じ文面でも字間の広い行で空白の量が変わります。そろえておかないと、見た目の同じ行が「変更」として大量に並びます。空行は突き合わせの対象から外します。

行の中のどこが変わったかも分かる?

分かります。変更と判定した行は、前後の共通部分を取り除いて変わった文字だけを濃く塗ります。上の例の第6条では、共通する「第6条 支払期日は」と「とする」を除いた「月末」→「翌月10日」の部分だけが色で示されます。

行ごと塗ってしまうと、長い条文のどこを読み直せばよいのか分かりません。桁や日付の変更は数文字しか違わないので、そこだけを目立たせます。

比較結果はどう保存する?

「差分を .txt で保存」を押すと、変更箇所だけを並べたテキストファイルが手元に保存されます。旧側の行の頭に「-」、新側の行の頭に「+」が付く、プログラムの差分表示と同じ形式です。上の例ならこうなります。

PDF比較の結果
--- 旧: 契約書_旧.pdf
+++ 新: 契約書_新.pdf
変更 2 / 追加 1 / 削除 0(一致 1 行)

[旧 1 ページ / 新 1 ページ] 変更
- 第5条 契約金額は100万円とする
+ 第5条 契約金額は120万円とする

[旧 1 ページ / 新 1 ページ] 変更
- 第6条 支払期日は月末とする
+ 第6条 支払期日は翌月10日とする

[新 1 ページ] 追加
+ 第8条 協議事項は別途定める

一致した行は書き出しません。メールや議事録に貼って「この改訂で変わったのはこの 2 か所です」と示すところまでを 1 ファイルで済ませるためです。ファイル名は 2 つの PDF の名前をつないだものになります。

スキャンした PDF は比較できる?

比較できません。紙をスキャンした PDF は中身が画像で、文字のデータを持っていないためです。このツールは画像から文字を認識する OCR には対応していないので、どちらか一方でも文字が取り出せなかった場合は「比較できません」と表示して処理を止めます。

文字のデータを持っているかどうかは、PDFテキスト抽出ツールに読み込ませると確かめられます。抽出結果が空なら、そのファイルは画像だけの PDF です。

2 段組や表組みのページで差分が多く出るのはなぜ?

文章を取り出す順番が、人が読む順番と違うためです。PDF は「何ページ目のどの位置にどの文字を置くか」だけを持っていて、段組みや表の構造は持っていません。このツールは文字の縦位置で行をまとめ直しますが、2 段組のページでは左右の段が同じ行としてつながります。

旧と新で段の幅や表の列幅が変わると、同じ文面でも行のまとまり方が変わり、差分が実際より多く出ます。差分の件数が多すぎると感じたら、段組みのないページだけをPDF結合・分割ツールで抜き出してから比べてください。

契約書や見積書の改訂版チェックにどう使う?

改訂前後の版が手元にあり、変更点を自分で確かめたい書類で使います。多いのは次の場面です。

• 契約書の改訂: 先方から戻ってきた版と自社が送った版を比べ、金額・期日・解除条件が書き換えられていないかを確かめます
• 見積書の差し替え: 再提出された見積書と前の版を比べ、単価と数量のどこが動いたかを洗い出します
• 社内規程・就業規則の改定: 新旧対照表が付いていない改定版から、変わった条文を機械的に拾います
• 仕様書のレビュー: 版が上がった仕様書を前の版と比べ、合意済みの項目が消えていないかを確かめます
• 申請書類の最終確認: 提出直前の版と、承認を受けた版が同じ内容かを確かめます

年度末の 3 月は、契約更新と規程改定が重なって新旧の版が増える時期です。新旧対照表を作る前の下調べとしても使えます。

オンラインの PDF 比較サービスとの違いは?

ファイルをアップロードしないことです。オンラインの PDF 比較サービスはほとんどがファイルを自社のサーバーに送って処理します。比較したいのは契約書・見積書・人事規程といった外に出せない書類なので、「中身を見せたくないファイルを他社に預ける」という矛盾が起きます。このツールはブラウザの中だけで処理するため通信が発生せず、機内モードでも動きます。

もう 1 つは日本語の扱いです。日本語には単語の区切りがないため、英語前提の比較ツールでは行のまとまり方が崩れ、差分が過剰に出ます。このツールはPDFテキスト抽出で使っている行の組み立て直し(文字の縦位置で同じ行をまとめ、横の隙間の大きさで区切りを決める処理)をそのまま使っています。

比較できないものや差分が多く出るのはどんなとき?

• 比較するのは文章だけです。レイアウト・図・表の罫線・印影・押印の有無・フォントや文字色の違いは判定できません。見た目の違いを確かめたいときは、PDF画像変換で両方を画像にしてから見比べてください
• スキャンした画像だけの PDF は比較できません(OCR 非対応)。どちらか一方でも文字が取り出せなければ処理を止めます
• 2 段組・表組みのページは文章を取り出す順番が崩れ、差分が実際より多く出ることがあります
• 空行と、行の中の連続した空白は無視します。空白の量だけが違う行は「一致」と判定されます

パスワード付きのPDFは読み込める?

• パスワードで保護された PDF は読み込めません。保護を外してから読み込んでください
• 行数の多い PDF どうしを全面的に比べると計算量が上限に達します。その場合は章ごとに分けてから比べてください
• 差分の一覧は法的な新旧対照表の代わりにはなりません。最終的な確認は原本で行ってください