Я шукаю хорошу програму, щоб показати мені відмінності між двома подібними файлами PDF. Зокрема, я шукаю те, що не просто працює розрізнюється у версії ascii (з "pdftotext") файлів. Це те, що робить pdfdiff.py .
Я шукаю хорошу програму, щоб показати мені відмінності між двома подібними файлами PDF. Зокрема, я шукаю те, що не просто працює розрізнюється у версії ascii (з "pdftotext") файлів. Це те, що робить pdfdiff.py .
Відповіді:
Ви можете використовувати DiffPDF для цього. З опису:
DiffPDF використовується для порівняння двох файлів PDF. За замовчуванням порівняння є текстом на кожній парі сторінок, але порівняння зовнішнього вигляду сторінок також підтримується (наприклад, якщо діаграма змінена або абзац переформатований). Можна також впорядкувати окремі сторінки чи діапазони сторінок. Наприклад, якщо є дві версії PDF-файлу: одна зі сторінками 1-12, а друга зі сторінками 1-13 через додавання додаткової сторінки як сторінка 4, їх можна порівняти, вказавши два діапазони сторінок, 1 -12 для першого та 1-3, 5-13 для другого. Це змусить DiffPDF порівнювати сторінки в парах (1, 1), (2, 2), (3, 3), (4, 5), (5, 6) тощо, до (12, 13).
sudo apt-get install diffpdf
.
Я щойно придумав хак, щоб зробити DiffPDF (програму, запропоновану @qbi), корисною для більш ніж незначних змін. Що я роблю, це об'єднати всі сторінки pdfs у довгу прокрутку за допомогою pdfjam, а потім порівняти прокрутки. Він працює навіть тоді, коли великі секції видаляються чи вставляються!
Ось базовий сценарій, який виконує цю роботу:
#!/bin/bash
#
# Compare two PDF files.
# Dependencies:
# - pdfinfo (xpdf)
# - pdfjam (texlive-extra-utils)
# - diffpdf
#
MAX_HEIGHT=15840 #The maximum height of a page (in points), limited by pdfjam.
TMPFILE1=$(mktemp /tmp/XXXXXX.pdf)
TMPFILE2=$(mktemp /tmp/XXXXXX.pdf)
usage="usage: scrolldiff -h FILE1.pdf FILE2.pdf
-h print this message
v0.0"
while getopts "h" OPTIONS ; do
case ${OPTIONS} in
h|-help) echo "${usage}"; exit;;
esac
done
shift $(($OPTIND - 1))
if [ -z "$1" ] || [ -z "$2" ] || [ ! -f "$1" ] || [ ! -f "$2" ]
then
echo "ERROR: input files do not exist."
echo
echo "$usage"
exit
fi
#Get the number of pages:
pages1=$( pdfinfo "$1" | grep 'Pages' - | awk '{print $2}' )
pages2=$( pdfinfo "$2" | grep 'Pages' - | awk '{print $2}' )
numpages=$pages2
if [[ $pages1 > $pages2 ]]
then
numpages=$pages1
fi
#Get the paper size:
width1=$( pdfinfo "$1" | grep 'Page size' | awk '{print $3}' )
height1=$( pdfinfo "$1" | grep 'Page size' | awk '{print $5}' )
width2=$( pdfinfo "$2" | grep 'Page size' | awk '{print $3}' )
height2=$( pdfinfo "$2" | grep 'Page size' | awk '{print $5}' )
if [ $(bc <<< "$width1 < $width2") -eq 1 ]
then
width1=$width2
fi
if [ $(bc <<< "$height1 < $height2") -eq 1 ]
then
height1=$height2
fi
height=$( echo "scale=2; $height1 * $numpages" | bc )
if [ $(bc <<< "$MAX_HEIGHT < $height") -eq 1 ]
then
height=$MAX_HEIGHT
fi
papersize="${width1}pt,${height}pt"
#Make the scrolls:
pdfj="pdfjam --nup 1x$numpages --papersize {${papersize}} --outfile"
$pdfj "$TMPFILE1" "$1"
$pdfj "$TMPFILE2" "$2"
diffpdf "$TMPFILE1" "$TMPFILE2"
rm -f $TMPFILE1 $TMPFILE2
Хоча це не вирішує проблему безпосередньо, ось хороший спосіб зробити це все з командного рядка з кількома залежностями:
diff <(pdftotext -layout old.pdf /dev/stdout) <(pdftotext -layout new.pdf /dev/stdout)
https://linux.die.net/man/1/pdftotext
Це дуже добре працює для базових зіставлень у форматі PDF. Якщо у вас є новіша версія pdftotext, ви можете спробувати -bbox
замість -layout
.
Що стосується різних програм, то мені подобається використання дифузних, тому команда змінюється так незначно:
diffuse <(pdftotext -layout old.pdf /dev/stdout) <(pdftotext -layout new.pdf /dev/stdout)
http://diffuse.sourceforge.net/
Сподіваюся, що це допомагає.
Якщо у вас є 2-3 величезні файли pdf (або epub чи інших форматів, прочитайте нижче) для порівняння, то можна поєднати потужність:
калібр (для перетворення джерела в текст)
meld (для візуального пошуку відмінностей між текстовими файлами)
паралельно (використовувати всі ваші системні ядра для прискорення)
Нижче сценарію прийняти як введення будь-який з наступних форматів файлів: MOBI, LIT, PRC, EPUB, ODT, HTML, CBR, CBZ, RTF, TXT, PDF та LRS.
Якщо це не встановлено, встановіть мель, калібр та паралель:
#install packages
sudo apt-get -y install meld calibre parallel
Щоб мати змогу виконувати код з будь-якого місця вашого комп'ютера, збережіть наступний код у файлі під назвою "diffpub" (без розширень) всередині каталогу "/ usr / local / bin".
usage="
*** usage:
diffepub - compare text in two files. Valid format for input files are:
MOBI, LIT, PRC, EPUB, ODT, HTML, CBR, CBZ, RTF, TXT, PDF and LRS.
diffepub -h | FILE1 FILE2
-h print this message
Example:
diffepub my_file1.pdf my_file2.pdf
diffepub my_file1.epub my_file2.epub
v0.2 (added parallel and 3 files processing)
"
#parse command line options
while getopts "h" OPTIONS ; do
case ${OPTIONS} in
h|-help) echo "${usage}"; exit;;
esac
done
shift $(($OPTIND - 1))
#check if first 2 command line arguments are files
if [ -z "$1" ] || [ -z "$2" ] || [ ! -f "$1" ] || [ ! -f "$2" ]
then
echo "ERROR: input files do not exist."
echo
echo "$usage"
exit
fi
#create temporary files (first & last 10 characters of
# input files w/o extension)
file1=`basename "$1" | sed -r -e '
s/\..*$// #strip file extension
s/(^.{1,10}).*(.{10})/\1__\2/ #take first-last 10 chars
s/$/_XXX.txt/ #add tmp file extension
'`
TMPFILE1=$(mktemp --tmpdir "$file1")
file2=`basename "$2" | sed -r -e '
s/\..*$// #strip file extension
s/(^.{1,10}).*(.{10})/\1__\2/ #take first-last 10 chars
s/$/_XXX.txt/ #add tmp file extension
'`
TMPFILE2=$(mktemp --tmpdir "$file2")
if [ "$#" -gt 2 ]
then
file3=`basename "$3" | sed -r -e '
s/\..*$// #strip file extension
s/(^.{1,10}).*(.{10})/\1__\2/ #take first-last 10 chars
s/$/_XXX.txt/ #add tmp file extension
'`
TMPFILE3=$(mktemp --tmpdir "$file3")
fi
#convert to txt and compare using meld
doit(){ #to solve __space__ between filenames and parallel
ebook-convert $1
}
export -f doit
if [ "$#" -gt 2 ]
then
(parallel doit ::: "$1 $TMPFILE1" \
"$2 $TMPFILE2" \
"$3 $TMPFILE3" ) &&
(meld "$TMPFILE1" "$TMPFILE2" "$TMPFILE3")
else
(parallel doit ::: "$1 $TMPFILE1" \
"$2 $TMPFILE2" ) &&
(meld "$TMPFILE1" "$TMPFILE2")
fi
Переконайтеся, що власником є ваш користувач і має дозволи на виконання:
sudo chown $USER:$USER /usr/local/bin/diffepub
sudo chmod 700 /usr/local/bin/diffepub
Щоб перевірити це, просто введіть:
diffepub FILE1 FILE2
Я перевіряю його, щоб порівняти 2 редакції PDF-сторінки на 1616 сторінок, і він працює ідеально. Оскільки калібр написано з використанням python для портативності, для перетворення обох файлів у текст знадобилося 10 хвилин. Повільний, але надійний.