Utilitaires et métadonnées PDF

Utilitaires PDF en ligne, gratuitement — comparez le contenu textuel de deux PDF, modifiez les métadonnées (titre, auteur, sujet), calculez l’empreinte SHA-256, consultez les informations détaillées d’un fichier. Voir aussi : Éditeur PDF | Sécurité | Compression | OCR.
Diff de texte : extrait le texte des deux PDF, puis compare ligne par ligne. Les lignes vertes sont ajoutées dans le PDF B, les lignes rouges sont supprimées du PDF A. La qualité de l’extraction dépend de la structure interne du PDF. Les PDF numérisés ou constitués d’images peuvent ne fournir aucun texte.
Métadonnées : lit et modifie les propriétés du document PDF (titre, auteur, sujet, mots-clés, créateur, producteur). Les modifications sont écrites dans le dictionnaire d’informations du PDF. Les visionneuses PDF standard affichent ces métadonnées dans les propriétés du fichier.
Empreinte : calcule une empreinte cryptographique du fichier PDF à l’aide de l’API Web Crypto (SHA-1, SHA-256, SHA-384, SHA-512), ou une solution de repli pour MD5. Sert à vérifier l’intégrité ou à contrôler si deux fichiers sont identiques.
Informations : lit les propriétés du document PDF : nombre de pages, dimensions des pages, métadonnées, noms des polices, nombre de fichiers embarqués et état du chiffrement.

À quoi ressemble un PDF à l’intérieur

Chaque PDF est, au fond, une liste d’objets numérotés. Une page n’est pas stockée comme un bloc de texte mis en forme — le fichier contient plutôt un arbre de pages (un catalogue qui liste chaque page), et chaque page pointe vers un flux de contenu : un programme compact d’instructions de dessin du type « placer ce glyphe ici, tracer cette ligne là ». Les polices et les images vivent dans des objets séparés que les pages partagent par référence.

À la fin du fichier se trouve la table xref (références croisées), qui enregistre le décalage en octets de chaque objet. C’est elle qui permet à une visionneuse PDF d’aller directement à la page 300 sans analyser les 299 premières — et c’est pourquoi supprimer ou ajouter des pages exige de la prudence : les décalages doivent rester cohérents.

Pourquoi c’est important pour les outils ci-dessus : l’éditeur de métadonnées écrit le dictionnaire d’informations du document ; la visionneuse d’informations lit l’arbre des pages, les polices et les ressources ; et des outils comme Compression et Édition réorganisent ces objets (le PDF 1.5+ peut regrouper de nombreux petits objets dans des flux d’objets compressés, source de la plupart des gains de « compression PDF »). Les outils d’export parcourent les flux de contenu pour en extraire le texte et les coordonnées.