Utilidades de PDF y metadatos

Utilidades de PDF en línea, gratis — compare el contenido de texto entre PDF, edite los metadatos (título, autor, asunto), calcule el hash SHA-256 y vea información detallada del archivo. También: Editor de PDF | Seguridad | Comprimir | OCR.
Diferencias de texto: extrae el texto de ambos PDF y los compara línea por línea. Las líneas verdes se añaden en el PDF B, las rojas se eliminan del PDF A. La calidad de la extracción de texto depende de la estructura interna del PDF. Los PDF escaneados o de imagen pueden no dar texto.
Metadatos: lee y edita las propiedades del documento PDF (título, autor, asunto, palabras clave, creador, productor). Los cambios se escriben en el diccionario de información del documento PDF. Los visores de PDF estándar muestran estos metadatos en Propiedades del archivo.
Hash: calcula un hash criptográfico del archivo PDF con la API Web Crypto (SHA-1, SHA-256, SHA-384, SHA-512) o con una alternativa para MD5. Úselo para verificar la integridad o para comprobar si dos archivos son idénticos.
Información: lee las propiedades del documento PDF, incluidos el número de páginas, los tamaños de página, los metadatos, los nombres de fuente, el número de archivos incrustados y el estado de cifrado.

Cómo es un PDF por dentro

Todo PDF es, en el fondo, una lista de objetos numerados. Una página no se guarda como un único bloque de texto con formato: el archivo contiene un árbol de páginas (un catálogo que enumera todas las páginas), y cada página apunta a un flujo de contenido: un programa compacto de instrucciones de dibujo como «coloca este glifo aquí, dibuja esta línea allí». Las fuentes y las imágenes viven en objetos separados que las páginas comparten por referencia.

Al final del archivo está la tabla xref (de referencias cruzadas), que registra el desplazamiento en bytes de cada objeto. Es lo que permite a un visor de PDF saltar directamente a la página 300 sin analizar las 299 anteriores — y por eso eliminar o añadir páginas exige cuidado: los desplazamientos deben seguir siendo coherentes.

Por qué importa para las herramientas de arriba: el editor de metadatos escribe el diccionario de información del documento; el visor de información lee el árbol de páginas, las fuentes y los recursos; y herramientas como Comprimir y Editar reorganizan estos objetos (PDF 1.5 y posteriores pueden empaquetar muchos objetos pequeños en flujos de objetos comprimidos, de donde sale la mayor parte del ahorro al «comprimir PDF»). Las herramientas de exportación recorren los flujos de contenido para extraer de nuevo el texto y las coordenadas.