Utilitários e metadados de PDF

Utilitários de PDF online gratuitos — compare o conteúdo de texto entre PDF, edite metadados (título/autor/assunto), calcule o hash SHA-256, veja informação detalhada do ficheiro. Também: Editor de PDF | Segurança | Comprimir | OCR.
Diferença de texto: extrai o texto dos dois PDF e compara linha a linha. As linhas a verde são acrescentadas no PDF B, as linhas a vermelho são removidas do PDF A. A qualidade da extração de texto depende da estrutura interna do PDF. Os PDF digitalizados ou de imagem podem não dar texto.
Metadados: lê e edita as propriedades do documento PDF (título, autor, assunto, palavras-chave, criador, produtor). As alterações são escritas no dicionário de informação do documento do PDF. Os visualizadores de PDF padrão mostram estes metadados nas Propriedades do ficheiro.
Hash: calcula um hash criptográfico do ficheiro PDF usando a API Web Crypto (SHA-1, SHA-256, SHA-384, SHA-512) ou um recurso alternativo para MD5. Use para verificar a integridade ou para confirmar se dois ficheiros são idênticos.
Informação: lê as propriedades do documento PDF, incluindo o número de páginas, os tamanhos das páginas, os metadados, os nomes dos tipos de letra, o número de ficheiros incorporados e o estado de cifragem.

Como é um PDF por dentro

Todo o PDF é, no fundo, uma lista de objetos numerados. Uma página não é guardada como um bloco de texto formatado — em vez disso, o ficheiro contém uma árvore de páginas (um catálogo que lista todas as páginas), e cada página aponta para um fluxo de conteúdo: um programa compacto de instruções de desenho como "coloque este glifo aqui, desenhe esta linha ali". Os tipos de letra e as imagens vivem em objetos separados que as páginas partilham por referência.

No fim do ficheiro encontra-se a tabela xref (de referência cruzada), que regista o deslocamento em bytes de cada objeto. É isto que permite a um visualizador de PDF saltar diretamente para a página 300 sem analisar as 299 anteriores — e é por isso que apagar ou acrescentar páginas exige cuidado: os deslocamentos têm de manter-se consistentes.

Porque é que isto importa para as ferramentas acima: o editor de metadados escreve o dicionário de informação do documento; o visualizador de informação lê a árvore de páginas, os tipos de letra e os recursos; e ferramentas como Comprimir e Editar reorganizam estes objetos (o PDF 1.5+ pode agrupar muitos objetos pequenos em fluxos de objetos comprimidos, e é aí que se ganha a maior parte da poupança de "comprimir PDF"). As ferramentas de Exportação percorrem os fluxos de conteúdo para retirar texto e coordenadas.