Утилиты PDF и метаданные

Утилиты PDF онлайн бесплатно — сравнивайте текст между PDF, редактируйте метаданные (название, автор, тема), вычисляйте хеш SHA-256, смотрите подробные сведения о файле. Также: Редактор PDF | Безопасность | Сжатие | OCR.
Сравнение текста: извлекает текст из обоих PDF и сравнивает его построчно. Зелёные строки добавлены в PDF B, красные удалены из PDF A. Качество извлечения текста зависит от внутренней структуры PDF. Сканы и PDF из изображений могут не дать текста.
Метаданные: читает и редактирует свойства документа PDF (название, автор, тема, ключевые слова, создатель, производитель). Изменения записываются в словарь сведений документа PDF. Стандартные просмотрщики PDF показывают эти метаданные в свойствах файла.
Хеш: вычисляет криптографический хеш файла PDF с помощью Web Crypto API (SHA-1, SHA-256, SHA-384, SHA-512) или запасного варианта для MD5. Используйте для проверки целостности или чтобы выяснить, одинаковы ли два файла.
Сведения: читает свойства документа PDF: число страниц, размеры страниц, метаданные, названия шрифтов, число встроенных файлов и статус шифрования.

Как устроен PDF внутри

Любой PDF по сути является списком пронумерованных объектов. Страница не хранится одним блоком отформатированного текста — вместо этого файл содержит дерево страниц (каталог, который перечисляет все страницы), а каждая страница ссылается на поток содержимого: компактную программу инструкций рисования вроде «поставить этот глиф сюда, провести линию туда». Шрифты и изображения находятся в отдельных объектах, которые страницы используют по ссылке.

В конце файла находится таблица xref (перекрёстных ссылок), которая записывает смещение каждого объекта в байтах. Именно она позволяет просмотрщику PDF сразу перейти к 300-й странице, не разбирая первые 299, — и поэтому удаление или добавление страниц требует аккуратности: смещения должны оставаться согласованными.

Почему это важно для инструментов выше: редактор метаданных записывает словарь сведений документа; просмотр сведений читает дерево страниц, шрифты и ресурсы; а такие инструменты, как Сжатие и Редактирование, переупорядочивают эти объекты (PDF 1.5+ может упаковывать множество мелких объектов в сжатые потоки объектов, отсюда основная экономия при «сжатии PDF»). Инструменты экспорта проходят по потокам содержимого, чтобы извлечь текст и координаты.