Muszę porównać dużą liczbę plików PDF pod kątem zawartości optycznej. Ponieważ pliki PDF zostały utworzone na różnych platformach i przy różnych wersjach oprogramowania, istnieją różnice strukturalne. Na przykład:
Powinien porównywać zawartość jak ludzie, a nie strukturę wewnętrzną. Chcę przetestować regresje między różnymi wersjami generatora PDF, którego używaliśmy.
Odpowiedzi:
Ponieważ nie ma takiego narzędzia, które napisaliśmy. Możesz pobrać i-net PDF do porównywania treści i używać go. Mam nadzieję, że pomogą innym z tym samym problemem. Jeśli masz z tym problemy lub masz do nas opinię, możesz skontaktować się z naszym wsparciem.
W rzeczywistości istnieje narzędzie diffpdf.
http://www.qtrac.eu/diffpdf.html
Jego słabość polega na tym, że nie reaguje dobrze, gdy dodatki powodują częściowe przesunięcie nowego tekstu na nową stronę. Na przykład, jeśli starą stronę 4 należy porównać z końcem strony 5 i początkiem strony 6, należy przesunąć parametry, aby porównać dwa wycinki oddzielnie.
Użyłem własnego skryptu, który
Użyte oprogramowanie:
Plusy:
Cons:
Szukałem narzędzia, które zrobiłoby to samo na poziomie PDF / PostScript.
Oto jak nasz skrypt wywołuje narzędzia (zwróć uwagę, że ImageMagick używa GhostScript za kulisami do wykonania konwersji PDF-> PNG):
$ convert -density 150x150 -fill red -opaque black +antialias 1.pdf back%02d.png
$ convert -density 150x150 -transparent white +antialias 2.pdf front%02d.png
$ composite front01.png back01.png result01.png # do this for all pairs of images
for i in $(seq -w 0 05); do /cygdrive/c/Progra~1/ImageMagick-6.6.9-Q8/composite.exe 1-$i.png 2-$i.png result-$i.png; done
pdfdiffkatalogu i dodatkowo drukuje numery stron, które różnią się między dwoma plikami PDF.
Wydaje się, że nie widzę tego tutaj, więc oto jest: przez superużytkownika: Jak porównać różnice między dwoma plikami PDF? (odpowiedź # 229891, @slestak) , jest
https://github.com/vslavik/diff-pdf
(kroki kompilacji dla Ubuntu Natty można znaleźć w get-diff-pdf.sh )
O ile widzę, w zasadzie nakłada tekst / grafikę każdej strony w plikach PDF, umożliwiając łatwe sprawdzenie, czy były jakieś zmiany ...
Twoje zdrowie!
Użyliśmy również pdftotext (zobacz odpowiedź Sklivvz) do wygenerowania wersji ASCII plików PDF i wdiff do ich porównania.
Użyj -layoutprzełącznika pdftotext, aby zwiększyć czytelność i uzyskać pewne wyobrażenie o zmianach w układzie.
Aby uzyskać ładne kolorowe wyjście z wdiff, użyj tego skryptu opakowującego:
#!/bin/sh
RED=$'\e'"[1;31m"
GREEN=$'\e'"[1;32m"
RESET=$'\e'"[0m"
wdiff -w$RED -x$RESET -y$GREEN -z$RESET -n $1 $2
Myślę, że najlepszym rozwiązaniem byłoby przekonwertowanie pliku PDF na obrazy w przyzwoitej rozdzielczości, a następnie porównanie obrazów.
Aby wygenerować obrazy z PDF, możesz skorzystać z Adobe PDF Library lub rozwiązania sugerowanego w Best way do konwersji plików PDF na pliki TIFF .
Aby porównać wygenerowane pliki TIFF, znalazłem GNU tiffcmp (dla Windows część GnuWin32 tiff ) i tiffinfo wykonało dobrą robotę. Użyj tiffcmp -l i policz liczbę wierszy wyniku, aby znaleźć wszelkie różnice. Jeśli jesteś zadowolony z małej ilości zmian w treści (np. Różnice w wygładzaniu), użyj tiffinfo, aby policzyć całkowitą liczbę pikseli, a następnie możesz wygenerować procentową wartość różnicy.
Nawiasem mówiąc, dla każdego, kto robi proste porównanie PDF, gdzie struktura nie uległa zmianie, można użyć diff z wiersza poleceń i zignorować pewne wzorce, np.
diff --brief -I xap: -I xapMM: -I / CreationDate -I / BaseFont -I / ID --binary --text
Nadal występuje problem polegający na tym, że nie zawsze wychwytuje zmiany w generowanych nazwach czcionek.
Nasz produkt, PDF Comparator - http://www.premediasystems.com/pdfc.html "- zrobi to całkiem elegancko i wydajnie. Nie jest też darmowy i jest aplikacją tylko dla Mac OS X.
ImageMagick, zobacz inne moje odpowiedzi: jedna - dwie - trzy .
W zależności od Twoich potrzeb rozwiązanie konwersji na tekst byłoby najłatwiejsze i najbardziej bezpośrednie. Uważam, że pomysł na bitmapę był całkiem fajny.