Інструмент для порівняння великої кількості файлів PDF? [зачинено]

Мені потрібно порівняти велику кількість файлів PDF для оптичного вмісту. Оскільки файли PDF створювались на різних платформах і з різними версіями програмного забезпечення, існують структурні відмінності. Наприклад:

• шматування тексту може бути різним
• порядок запису може бути різним
• положення може відрізнятися в деяких пікселях

Він повинен порівнювати зміст, як людський народ, а не внутрішню структуру. Я хочу перевірити регресії між різними версіями генератора PDF, який ми використовували.

Оскільки такого інструменту, який ми написали, немає. Ви можете завантажити порівняльник вмісту i-net PDF та використати його. Я сподіваюся, що це допоможе іншим із цією ж проблемою. Якщо у вас є проблеми з цим або ви маєте для нас відгук, ви можете зв’язатися з нашою службою підтримки.

Насправді існує інструмент diffpdf.

http://www.qtrac.eu/diffpdf.html

Його слабкість полягає в тому, що він погано реагує, коли доповнення частково переносять текст на нову сторінку. Наприклад, якщо стару сторінку 4 слід порівняти з кінцем сторінки 5 і початком сторінки 6, вам потрібно буде змістити параметри, щоб порівняти два фрагменти окремо.

Я використовував домашній сценарій, який

• перетворює всі сторінки двох PDF-файлів у растрові зображення
• кольорові сторінки PDF 1 у червоно-білі
• змінює білий на прозорий на сторінках PDF 2
• накладає кожну сторінку з PDF 2 поверх відповідної сторінки з PDF 1
• паралельно виконує перетворення / забарвлення та накладання на декількох ядрах

Програмне забезпечення, що використовується:

• GhostScript для перетворення PDF в растрові зображення
• ImageMagick для забарвлення, прозорості та накладання
• inotify для синхронізації паралельних процесів
• будь-який переглядач зображень із підтримкою PNG для перегляду результату

Плюси:

• проста реалізація
• всі використовувані інструменти є відкритими
• чудово підходить для знаходження невеликих відмінностей у компонуванні

Мінуси:

• перетворення відбувається повільно
• основні відмінності між PDF-файлами (наприклад, пагінація) призводять до безладу
• растрові зображення не можна збільшити
• добре працює лише для чорно-білого тексту та діаграм
• відсутність простого у використанні графічного інтерфейсу

Я шукав інструмент, який би робив те саме на рівні PDF / PostScript.

Ось як наш скрипт викликає утиліти (зауважте, що ImageMagick використовує GhostScript за кулісами для перетворення 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

Здається, я не можу цього побачити тут, от і ось воно: через суперкористувач: Як порівняти різницю між двома файлами PDF? (відповідь # 229891, @slestak) , є

https://github.com/vslavik/diff-pdf

(кроки побудови для Ubuntu Natty можна знайти в get-diff-pdf.sh )

Наскільки я бачу, він, в основному, накладає текст / графіку кожної сторінки в PDF-файлах, що дозволяє легко побачити, чи були якісь зміни ...

На здоров’я!

Ми також використовували pdftotext (див. Відповідь Sklivvz) для створення версій PDF-файлів ASCII та wdiff для їх порівняння.

Використовуйте -layoutперемикач pdftotext для поліпшення читабельності та отримання уявлення про зміни в макеті.

Щоб отримати приємний кольоровий результат з wdiff, використовуйте цей сценарій обгортки:

#!/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

Я думаю, що вашим найкращим підходом було б перетворити PDF на зображення з гідною роздільною здатністю, а потім порівняти зображення.

Для створення зображень з PDF-файлів ви можете використовувати Adobe PDF Library або рішення, запропоноване в найкращому варіанті для перетворення PDF-файлів у tiff-файли .

Для порівняння сформованих файлів TIFF я знайшов GNU tiffcmp (для Windows частина GnuWin32 tiff ) та tiffinfo добре зробили. Використовуйте tiffcmp -l і підраховуйте кількість рядків виводу, щоб знайти будь-які відмінності. Якщо ви раді, що невелика кількість змін вмісту (наприклад, згладжування різниць), використовуйте tiffinfo для підрахунку загальної кількості пікселів, і тоді ви зможете створити значення процентної різниці.

До речі, для тих, хто робить просте порівняння PDF, де структура не змінилася, можна використовувати командний рядок diff і ігнорувати певні шаблони, наприклад, з GNU diff 2.7:

diff --brief -I xap: -I xapMM: -I / CreationDate -I / BaseFont -I / ID --binary --text

Проблема все ще полягає в тому, що вона не завжди фіксує зміни у створених назвах шрифтів.

Наш продукт, PDF Comparator - http://www.premediasystems.com/pdfc.html "- зробить це досить елегантно та ефективно. Він також не безкоштовний і є лише додатком для Mac OS X.

Залежно від ваших потреб, перетворення в текстове рішення буде найпростішим та найпрямішим. Я дійсно думав, що ідея растрового зображення була досить класною.

програмне забезпечення blubeam pdf зробить це за вас

Ви можете групово порівнювати PDF- файли за допомогою Tarkware Pdf Comparer. Але це не безкоштовно і вимагає Adobe Acrobat.