Confrontare due PDF parola per parola
Due versioni dello stesso documento: la bozza concordata e il contratto poi firmato, l'atto depositato e quello notificato, il PDF ricevuto ieri e quello di oggi. La domanda è sempre la stessa — che cosa è cambiato? — e una semplice lettura affiancata può lasciar sfuggire le modifiche. Questa guida mostra come rispondere con il modulo Confronto PDF di Probatio, usando due coppie di documenti dimostrativi che puoi scaricare per ripetere le prove.
Tre domande, tre strumenti
«Questi due file sono diversi?» e «che cosa cambia nel loro contenuto?» richiedono strumenti diversi.
- Sono identici? Lo dice l'impronta: se le impronte SHA-256 coincidono, i file sono identici byte per byte e non c'è altro da cercare. Se le impronte non coincidono, non indicano dove siano le differenze né quanto siano estese. È il modulo Confronto.
- Quali byte cambiano? Il confronto binario elenca le posizioni in cui i byte differiscono. In un PDF può essere poco utile per individuare modifiche al contenuto: salvare di nuovo lo stesso documento con un altro programma, o comprimerlo in un altro modo, può cambiare molti byte anche se il contenuto resta uguale. È il modulo Diff.
- Che cosa cambia nel contenuto? Il testo parola per parola, la grafica della pagina, le firme digitali, i metadati. A questa domanda, centrale per chi deve scrivere una relazione, risponde il Confronto PDF.
I file per provare
Due coppie di PDF dimostrativi, generate apposta per questa guida: i testi sono esempi fittizi e le società del contratto non esistono. Scarica i file, aprili in Probatio e confronta le impronte con quelle qui sotto prima di cominciare: è la prima abitudine da prendere con un reperto.
| File | Byte | SHA-256 |
|---|---|---|
| 01-lorem-original.pdf | 4.589 | ef588de307c99c47415ebefd8d0cc65da2b35fecd97ce1845ae26b7603008557 |
| 01-lorem-modified.pdf | 4.534 | b306a187ea00f415905a710dbc0bb0d3dd057c1ce6751e3e8af6094f19dcb3a3 |
| 02-legal-original.pdf | 6.584 | e9bc27a7725866e2700120a9c0d757a50504dc4785b344a0aeb73b2e2a55ee94 |
| 02-legal-modified.pdf | 6.510 | d50d5a9c3eb0b01c9140451428c165295ab48ab7006776994b5372955b6ce1f5 |
Le schermate di questa guida sono state realizzate con Probatio 1.2.1 in inglese. Nel testo trovi le etichette italiane, con i corrispondenti nomi inglesi fra parentesi.
A e B li scegli tu, e l'ordine conta: «aggiunto» vuol dire presente in B e non in A. Il confronto non sa quale dei due sia l'originale; lo sai tu, e lo dichiari mettendolo a sinistra. Il pulsante fra le due caselle li scambia.
Prova 1 — due pagine quasi uguali
I due file Lorem ipsum hanno lo stesso titolo, un testo quasi identico e la stessa impostazione grafica. Le differenze sono piccole e distribuite in più punti:
- a pagina 1 una parola guadagna una lettera:
magna aliquadiventamagna aliquam; - a pagina 1, nella figura, il cerchio cambia leggermente tonalità e si sposta di cinque punti verso destra, il rettangolo si allarga di cinque punti e il pallino grigio in alto a destra sparisce;
- a pagina 2 il valore di una barra del grafico passa da 56 a 58, e la barra si alza di conseguenza;
- a pagina 2, in fondo, viene aggiunta la frase «Nunc vitae justo.»;
Confronto in modalità semantica (Semantic):
Il verdetto dice tre cose. Le modifiche al testo elencate sono due, entrambe a pagina 2: il numero del grafico (classificato «numeri o date») e la frase aggiunta. Ci sono differenze grafiche fuori dal testo in 2 pagine. E fra le avvertenze c'è una differenza non elencata.
Quella differenza è aliqua → aliquam. In modalità semantica il modello linguistico giudica se una modifica cambia il significato della frase; quando la considera una riformulazione equivalente, la conta ma non la elenca. L'avviso la chiama «micro-differenza», e il pulsante «Mostra le micro-differenze» la riporta in elenco. In modalità bilanciata (Balanced) la stessa coppia dà tre modifiche, e quella di pagina 1 compare con l'etichetta «riformulazione» (rewording):
Le tre modalità non cambiano che cosa Probatio trova, ma che cosa ti elenca:
| Modalità | Che cosa elenca | Quando usarla |
|---|---|---|
| Rigorosa | ogni differenza, anche spaziatura, punteggiatura e maiuscole | quando il risultato va in una relazione |
| Bilanciata | tutte le modifiche, tranne quelle a spaziatura, punteggiatura e maiuscole, che vengono contate ma non elencate | per una revisione di lavoro |
| Semantica | le modifiche considerate significative dal modello; quelle classificate come «numeri o date» sono sempre elencate | per un primo sguardo su documenti lunghi |
Nessuna modalità nasconde in silenzio: le modifiche non elencate sono contate nelle avvertenze e si possono mostrare. Ma il caso aliqua → aliquam spiega perché, in perizia, la modalità giusta è la rigorosa: una lettera in più, che il modello considera irrilevante in un testo segnaposto, può invece incidere sul significato di una clausola contrattuale.
Le pagine affiancate
«Apri confronto» (Open comparison) mette le due pagine una accanto all'altra, con i riquadri delle differenze: rosso per il testo rimosso, verde per quello aggiunto, arancione per quello sostituito, blu per le differenze grafiche. Le frecce passano alla coppia di pagine successiva, e le due pagine scorrono insieme.
La barra del grafico mostra bene la differenza fra i due canali. L'etichetta «56» è testo, e la trova il confronto parola per parola. La barra è un rettangolo disegnato, e la trova il confronto grafico, che lavora fuori dal testo: confronta le pagine dopo aver mascherato le aree occupate dalle parole, così una riga di testo che scivola più in basso non colora di blu la pagina intera. Un ritocco al solo disegno, senza toccare l'etichetta, sarebbe emerso soltanto in blu.
Prova 2 — un contratto riscritto
La seconda coppia è più insidiosa. I due contratti di licenza hanno lo stesso titolo, lo stesso numero (NIS-2026-104), la stessa data di efficacia, le stesse dieci clausole con gli stessi titoli, la stessa suddivisione in tre pagine e lo stesso spazio per le firme. Sfogliati di corsa sembrano lo stesso documento. Il contenuto di ogni clausola, però, è rovesciato.
Il verdetto è «Modifiche estese»: «una parte consistente del contenuto è diversa: si tratta di versioni distinte dello stesso documento». Il 59,2% di parole invariate non è un segnale rassicurante: un contratto riscritto mantiene titoli, nomi delle parti, articoli e congiunzioni, e quelle parole invariate sono la cornice, non la sostanza.
Fra le 23 modifiche, quella che vale la pena guardare da vicino è la numero 6, nella clausola dei pagamenti. «The Licensee shall pay the Licensor» diventa «The Licensor shall pay the Licensee»: due parole che si scambiano di posto, nessuna parola nuova, e chi doveva pagare ora incassa. La cifra (GBP 4,800) resta identica, mentre il termine di pagamento passa da trenta a cinque giorni. È il genere di modifica che una lettura veloce non coglie, proprio perché la frase «suona» uguale.
Nell'elenco molte modifiche del contratto portano l'etichetta «numeri o date», anche dove non cambia una cifra. Non è un errore: la classificazione è meccanica, e una modifica che contiene una cifra o un numero scritto in lettere («twelve», «thirty», «five») finisce in quella categoria. Le modifiche classificate come «numeri o date» sono sempre segnalate come «cambia il significato», anche in modalità semantica: il programma le tratta in modo prudenziale, per evitare che variazioni di importi o termini di pagamento vengano escluse dall'elenco.
Come si costruisce il verdetto
Nelle due prove i documenti non sono firmati, e la scheda Firme lo dice («Nessuna firma digitale»). Con due PDF firmati, le firme vengono sottoposte alla stessa verifica prevista dal modulo Firma digitale: integrità, catena AgID/eIDAS, marca temporale e, soprattutto, modifiche salvate dopo l'ultima firma. È spesso la risposta più netta: se la versione firmata è stata cambiata dopo la firma, non serve leggere il testo per saperlo.
Che cosa il confronto non fa
- Non dice quale dei due sia l'originale. Dice in che cosa B differisce da A. Quale sia la versione autentica lo stabiliscono la provenienza dei file, le loro impronte annotate al momento dell'acquisizione e, se ci sono, le firme digitali.
- Legge il testo che il PDF contiene. Se un PDF rappresenta il testo con immagini o tracciati vettoriali, senza un livello di testo, il confronto parola per parola non ha niente da leggere. Per le pagine scansionate c'è l'opzione «OCR delle pagine senza testo», che usa Tesseract per riconoscere italiano e inglese direttamente sul computer: un errore di riconoscimento diventa però una differenza apparente, da verificare sulle pagine affiancate.
- Il giudizio sul significato è una stima. L'analisi semantica usa un modello linguistico (circa 480 MB, scaricato una sola volta e poi conservato sul computer) che misura quanto due frasi si somigliano. È un aiuto per ordinare le modifiche, non un'interpretazione giuridica: il caso
aliqua → aliquammostra che cosa può considerare equivalente. - La grafica si segnala per zone. Il blu dice che in quel punto la pagina è diversa, non che cosa sia cambiato: un timbro aggiunto, una firma autografa spostata o un logo ritoccato vanno guardati sulle pagine affiancate. E le aree occupate dalle parole sono escluse dal confronto grafico: di un timbro apposto sopra il testo si vede solo la parte che sporge.
In pratica
- Annota le impronte dei due file prima di confrontarli. Il rapporto PDF le riporta, ricalcolate al momento in cui lo generi.
- Metti a sinistra il documento di riferimento: la bozza concordata, l'atto depositato, la versione firmata.
- Se il confronto deve essere documentato in una relazione, usa la modalità rigorosa. La bilanciata e la semantica sono comode per orientarsi; se le usi, guarda sempre le avvertenze e le modifiche non elencate.
- Controlla le pagine affiancate, soprattutto quelle con differenze grafiche: il confronto testuale da solo non rileva timbri, firme autografe e immagini.
- Conserva il rapporto PDF e l'esportazione JSON insieme ai due file. Il rapporto contiene verdetto, modifiche e pagine affiancate; il JSON contiene ogni modifica con la pagina e le coordinate, per chi deve rielaborare i dati.
Quando due documenti sembrano uguali a colpo d'occhio, è facile che le modifiche passino inosservate. Il confronto aiuta a individuarle e indica al lettore quali punti controllare.