PDF-verktøy & metadata

PDF-verktøy gratis på nett — sammenlign tekstinnhold mellom PDF-er, rediger metadata (tittel/forfatter/emne), beregn SHA-256-hash, vis detaljert filinformasjon. Også: PDF-redigerer | Sikkerhet | Komprimer | OCR.
Tekstdiff: Trekker ut tekst fra begge PDF-ene og sammenligner linje for linje. Grønne linjer er lagt til i PDF B, røde linjer er fjernet fra PDF A. Kvaliteten på tekstutvinningen avhenger av PDF-ens interne struktur. Skannede PDF-er/bilde-PDF-er gir kanskje ingen tekst.
Metadata: Leser og redigerer PDF-dokumentegenskaper (tittel, forfatter, emne, nøkkelord, opprinnelse, produsent). Endringer skrives til PDF-ens dokumentinformasjonsordbok. Vanlige PDF-lesere viser disse metadataene under Filegenskaper.
Hash: Beregner en kryptografisk hash av PDF-filen med Web Crypto API (SHA-1, SHA-256, SHA-384, SHA-512) eller en reserveløsning for MD5. Brukes til integritetskontroll eller for å sjekke om to filer er identiske.
Info: Leser PDF-dokumentegenskaper, inkludert antall sider, sidestørrelser, metadata, skriftnavn, antall innebygde filer og krypteringsstatus.

Hvordan en PDF ser ut innvendig

En PDF er i bunn og grunn en liste med nummererte objekter. En side lagres ikke som én blokk med formatert tekst — i stedet inneholder filen et sidetre (en katalog som lister alle sider), og hver side peker til en innholdsstrøm: et kompakt program med tegneinstruksjoner som "plasser dette tegnet her, tegn denne linjen der". Skrifter og bilder ligger i egne objekter som sidene deler via referanser.

Helt til slutt i filen ligger xref-tabellen (kryssreferansetabellen), som registrerer byteposisjonen til hvert objekt. Det er det som lar en PDF-leser hoppe rett til side 300 uten å tolke de første 299 sidene — og det er derfor sletting eller tilføying av sider krever forsiktighet: posisjonene må holde seg konsistente.

Hvorfor dette betyr noe for verktøyene over: metadataredigereren skriver dokumentinformasjonsordboken; infovisningen leser sidetreet, skriftene og ressursene; og verktøy som Komprimer og Rediger omorganiserer disse objektene (PDF 1.5+ kan pakke mange små objekter i komprimerte objektstrømmer, og det er der de fleste besparelsene i "komprimer PDF" kommer fra). Eksport-verktøyene går gjennom innholdsstrømmene for å hente ut tekst og koordinater igjen.