مقارنة ملفي PDF

كيف تعمل

تُقرأ كل ملف PDF باستخدام pdf.js، المحرك نفسه الذي يستخدمه فايرفوكس لعرض ملفات PDF، حيث تمر الأداة عبر تدفق محتوى كل صفحة لجمع نصها المضمّن عبر getTextContent(). يُقسَّم النصان الناتجان بعد ذلك إلى أسطر، ويمران عبر خوارزمية المقارنة نفسها القائمة على أطول تسلسل مشترك (longest-common-subsequence) التي تعمل خلف أداة أداة مقارنة النصوص في norito، والتي تجد أصغر مجموعة من الإضافات والحذوفات السطرية التي تفسّر الفرق بين المستندين، بدلاً من مقارنة سطحية حسب موضع السطر (والتي كانت ستُعلِّم كل سطر كمتغيّر بعد إدراج فقرة واحدة فقط).

كما هو الحال مع أي عملية استخراج نص من PDF، تعتمد النتائج على احتواء الملف فعليًا على نص. الصفحات الممسوحة ضوئيًا هي صور ولا تُسهم بشيء في المقارنة. كل شيء، الاستخراج والمقارنة، يعمل داخل تبويب المتصفح هذا؛ ولا يُرفع أي من الملفّين.