Como verificar se dois arquivos PDF são idênticos por hash

Quando alguém precisa saber como comparar dois arquivos pdf se são iguais, a primeira tentação é abrir os dois documentos lado a lado e tentar conferir visualmente cada página. Essa abordagem funciona em situações triviais, como quando você só quer saber se duas versões de um contrato têm o mesmo número de páginas, mas é completamente insuficiente quando a comparação precisa ter valor probatório ou auditorial. Dois PDFs podem parecer idênticos na tela, com o mesmo texto, as mesmas imagens e o mesmo leiaute, e ainda assim serem diferentes nos bytes. Basta que um deles tenha sido reexportado por um software diferente, que uma camada invisível de metadados tenha sido alterada ou que uma assinatura digital tenha sido removida para que os arquivos sejam, do ponto de vista técnico, distintos. Por isso, a comparação confiável de documentos PDF exige métodos que vão além da aparência visual e se baseiam em dois pilares fundamentais da computação forense: a análise de metadados e o cálculo de hashes criptográficos.

O primeiro passo para uma comparação rigorosa é entender que um arquivo PDF é, internamente, uma estrutura complexa composta por objetos, fluxos de dados, fontes embutidas, imagens, metadados em formato XMP e uma tabela de referência cruzada. Quando você gera um PDF a partir do Word, por exemplo, o processador de texto injeta informações sobre o autor, a data de criação, o software utilizado e até identificadores únicos do documento. Se você comparar dois PDFs que parecem iguais, mas foram gerados em momentos diferentes ou por programas diferentes, a simples extração dos metadados já revelará divergências. É por isso que utilizar uma plataforma como a FilesAudit, que extrai automaticamente esses atributos técnicos e os organiza em um relatório legível, é bastante útil. Você pode fazer o upload dos dois arquivos e comparar campos como data de modificação, software produtor, versão do PDF, identificadores internos e até a presença de marcações de origem baseadas no padrão C2PA, que indica proveniência de ferramentas de inteligência artificial. Se quiser aprofundar o conhecimento sobre os atributos específicos desse formato, vale consultar o guia dedicado a metadados de PDF, que explica em detalhes o que cada campo representa e como ele pode ser interpretado em uma auditoria.

O segundo pilar, e sem dúvida o mais decisivo, é o cálculo de hashes criptográficos. Um hash é uma sequência de caracteres gerada por uma função matemática que recebe o conteúdo completo de um arquivo e produz um identificador único de comprimento fixo. O método mais utilizado hoje em dia para verificação de integridade é o SHA-256: se um único bit do arquivo for alterado, o hash resultante será completamente diferente. Em termos práticos, isso significa que se você calcular o SHA-256 de dois arquivos e os valores coincidirem, você tem uma certeza criptográfica de que os arquivos são bit a bit idênticos. Se os hashes forem diferentes, os arquivos não são iguais, independentemente de parecerem visualmente idênticos. Essa técnica é amplamente usada em auditorias de software, investigações digitais, compliance corporativo e disputas de propriedade intelectual, pois elimina qualquer ambiguidade. A FilesAudit calcula automaticamente os hashes SHA-256, MD5 e CRC32 de cada arquivo enviado, permitindo que você compare esses valores entre dois documentos e produza um relatório PDF profissional que documenta essa verificação de forma clara e rastreável.

É importante diferenciar com clareza os três níveis de comparação que existem quando alguém se pergunta como comparar dois arquivos pdf se são iguais. O primeiro nível é a comparação visual, em que você abre os dois documentos e tenta identificar diferenças a olho nu; esse método é subjetivo, não escalável e inadmissível como evidência técnica em qualquer contexto sério. O segundo nível é a comparação de metadados, em que você analisa campos estruturais do PDF, como tamanho do arquivo, data de criação, software de origem e identificadores internos; esse método é útil para detectar divergências de origem e de processo, mas dois arquivos podem ter metadados diferentes e ainda assim conter o mesmo conteúdo visual. O terceiro nível, mais robusto, é a comparação por hash criptográfico, que analisa a totalidade dos bytes do arquivo e fornece uma resposta binativa: ou os hashes são idênticos e os arquivos são tecnicamente iguais, ou são diferentes e os arquivos divergem em algum ponto. Em uma investigação ou auditoria real, o ideal é combinar os níveis dois e três, extraindo os metadados para entender o contexto de criação e comparando os hashes para estabelecer a identidade técnica.

Considere um cenário prático muito comum em escritórios de advocacia: um advogado recebe um contrato assinado digitalmente em PDF e, meses depois, recebe uma segunda versão do mesmo documento, supostamente idêntica, que foi armazenada em outro servidor. Visualmente, os documentos parecem iguais, mas o advogado precisa ter certeza de que nenhum cláusula foi alterada, nenhum anexo substituído e nenhuma assinatura invalidada. Ao usar a FilesAudit, ele faz o upload das duas versões e recebe dois relatórios. O primeiro relatório mostra que o PDF original tem 2.847.312 bytes, foi criado em 15 de março de 2024, foi gerado pelo Adobe Acrobat e tem o hash SHA-256 7a4f2b8e1c9d3a5f6b0e2d7c4a8f1b3e5d9c2a7f4b8e1c6d3a5f0b2e8d7c4a1f. O segundo relatório mostra que o segundo PDF tem 2.847.308 bytes, foi modificado em 3 de setembro de 2024, foi processado pelo Foxit PhantomPDF e tem o hash SHA-256 3b9e7c2d5a1f8e4b6d0c3a7f9e2b5d8c1a4f7e3b6d9c2a5f8e1b4d7c0a3f6e9. A comparação dos hashes é suficiente para concluir que os arquivos não são idênticos, e a análise dos metadados fornece pistas adicionais sobre o que pode ter acontecido: o tamanho ligeiramente menor e a data de modificação sugerem que o arquivo foi reprocessado por um software diferente, possivelmente removendo ou alterando algum conteúdo embutido.

Outro cenário recorrente ocorre em equipes de engenharia e arquitetura, em que projetos técnicos são frequentemente exportados como PDF para distribuição e devem ser controlados quanto à versão. Imagine um engenheiro que envia um PDF de planta baixa para um cliente e, dias depois, recebe de volta uma cópia que supostamente seria a mesma, para arquivamento. Se o engenheiro simplesmente confiar na aparência visual, pode acabar arquivando uma versão que foi modificada, intencionalmente ou não. Ao calcular os hashes de ambos os arquivos, ele descobre que são idênticos e pode arquivar com segurança, sabendo que o documento é exatamente o mesmo que foi enviado. Se os hashes divergirem, ele precisa investigar mais, talvez comparando os metadados de criação ou usando ferramentas especializadas em diff de PDF para localizar as páginas alteradas. Essa mesma lógica se aplica a projetos em outros formatos técnicos — se você trabalha com arquivos CAD, por exemplo, a verificação de integridade é igualmente importante, e vale conhecer o guia sobre metadados de arquivos DWG para entender como extrair evidências técnicas desses documentos.

Um ponto que costuma gerar confusão é a relação entre hashes e assinaturas digitais. Um PDF pode conter uma assinatura digital válida, baseada em certificado, que atesta que o conteúdo não foi alterado desde a assinatura. No entanto, a verificação dessa assinatura depende do leitor de PDF e da validade do certificado no momento da verificação. O hash SHA-256 do arquivo, por outro lado, é uma propriedade intrínseca do arquivo e não depende de nenhum certificado ou autoridade externa. Isso significa que, mesmo que uma assinatura digital tenha expirado, o hash continuará sendo um identificador válido para comparar o arquivo contra uma versão de referência. Em contextos de auditoria e compliance, é comum que as organizações mantenham um banco de hashes de documentos críticos justamente para poder verificar, a qualquer momento no futuro, se uma cópia apresentada corresponde à versão original arquivada. A FilesAudit documentada os hashes em um relatório PDF com data e hora, o que serve como evidência de que, naquele momento, o arquivo tinha aquele fingerprint específico.

Para profissionais que lidam com grandes volumes de arquivos, a comparação manual, upload a upload, pode ser insuficiente. Um arquivista que precisa verificar milhares de PDFs de um acervo digital, ou um analista de segurança que precisa auditar um diretório inteiro, se beneficia de uma solução que processe os arquivos localmente e em lote. Nesses casos, a versão desktop da FilesAudit é apropriada, pois permite análise ilimitada de metadados e cálculo de hashes diretamente na máquina do usuário, sem a necessidade de enviar cada arquivo individualmente pela internet. Isso é relevante não apenas pela escala, mas também pela confidencialidade: documentos sigilosos, como contratos não publicados, laudos periciais em andamento ou propriedades intelectuais sensíveis, podem ser analisados localmente com a garantia de que nenhum conteúdo sai do ambiente controlado da organização. Para quem trabalha com formato de imagem em conjunto com PDFs, como evidências fotográficas anexadas a laudos, o guia sobre verificação de metadados de fotos HEIC mostra como extrair informações de arquivos de imagem modernos que frequentemente acompanham documentação PDF.

É fundamental, ao produzir um laudo ou relatório de verificação, separar com clareza as conclusões técnicas das interpretações jurídicas. Quando a FilesAudit informa que dois arquivos têm hashes SHA-256 idênticos, isso quer dizer que os arquivos são tecnicamente idênticos no nível de bytes. Essa constatação é uma constatação de fato técnico e pode ser apresentada como evidência em um processo, mas a interpretação do significado jurídico dessa identidade é uma conclusão que cabe a um advogado, um juiz ou um perito oficial. Por exemplo, o fato de dois arquivos serem idênticos não prova, por si só, quem é o autor original, nem que o documento é autêntico no sentido jurídico, nem que ele não foi fraudado em um estágio anterior — só prova que, a partir do momento em que os hashes foram calculados, os arquivos não divergem. Da mesma forma, a extração de metadados pode revelar que um PDF foi criado em uma