Tool zum Vergleichen einer großen Anzahl von PDF-Dateien? [geschlossen]

Ich muss eine große Anzahl von PDF-Dateien für den optischen Inhalt vergleichen. Da die PDF-Dateien auf verschiedenen Plattformen und mit verschiedenen Versionen der Software erstellt wurden, gibt es strukturelle Unterschiede. Beispielsweise:

• Das Aufteilen von Text kann unterschiedlich sein
• Die Schreibreihenfolge kann unterschiedlich sein
• Die Position kann einige Pixel unterschiedlich sein

Es sollte den Inhalt wie ein menschliches Volk vergleichen und nicht die interne Struktur. Ich möchte einen Test auf Regressionen zwischen verschiedenen Versionen des von uns verwendeten PDF-Generators durchführen.

Weil es kein solches Tool gibt, das wir geschrieben haben. Sie können den i-net PDF-Inhaltsvergleich herunterladen und verwenden. Ich hoffe das hilft anderen bei dem gleichen Problem. Wenn Sie Probleme damit haben oder Feedback für uns haben, können Sie sich an unseren Support wenden.

Es gibt tatsächlich ein diffpdf-Tool.

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

Seine Schwäche ist, dass es nicht gut reagiert, wenn durch Hinzufügen neuer Text teilweise auf eine neue Seite verschoben wird. Wenn beispielsweise die alte Seite 4 mit dem Ende von Seite 5 und dem Anfang von Seite 6 verglichen werden soll, müssen Sie die Parameter verschieben, um die beiden Slices getrennt zu vergleichen.

Ich habe ein selbstgebackenes Skript verwendet, das

• konvertiert alle Seiten in zwei PDFs in Bitmaps
• färbt Seiten von PDF 1 auf Rot-Weiß
• wechselt auf Seiten von PDF 2 weiß zu transparent
• Überlagert jede Seite aus PDF 2 mit der entsprechenden Seite aus PDF 1
• Läuft Konvertierung / Färbung und paralleles Überlagern mehrerer Kerne

Verwendete Software:

• GhostScript für die Konvertierung von PDF in Bitmap
• ImageMagick für Färbung, Transparenz und Überlagerung
• inotify zum Synchronisieren paralleler Prozesse
• Jeder PNG-fähige Bildbetrachter zur Überprüfung des Ergebnisses

Vorteile:

• einfache Implementierung
• Alle verwendeten Tools sind Open Source
• ideal, um kleine Unterschiede im Layout zu finden

Nachteile:

• Die Konvertierung ist langsam
• Hauptunterschiede zwischen PDFs (z. B. Paginierung) führen zu einem Durcheinander
• Bitmaps sind nicht zoombar
• funktioniert nur gut für Schwarzweißtext und Diagramme
• Keine benutzerfreundliche Benutzeroberfläche

Ich habe nach einem Tool gesucht, das auf PDF / PostScript-Ebene dasselbe tut.

So ruft unser Skript die Dienstprogramme auf (beachten Sie, dass ImageMagick GhostScript hinter den Kulissen verwendet, um die PDF-> PNG-Konvertierung durchzuführen):

$ 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

Ich scheine dies hier nicht zu sehen, also hier ist es: via Superuser: Wie vergleiche ich die Unterschiede zwischen zwei PDF-Dateien? (Antwort # 229891, von @slestak) gibt es

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

(Build-Schritte für Ubuntu Natty finden Sie in get-diff-pdf.sh )

Soweit ich sehen kann, überlagert es im Grunde den Text / die Grafiken jeder Seite im PDF (s), sodass Sie leicht sehen können, ob Änderungen vorgenommen wurden ...

Prost!

Wir haben auch pdftotext (siehe Sklivvz 'Antwort) verwendet, um ASCII-Versionen von PDFs zu generieren und wdiff , um sie zu vergleichen.

Verwenden Sie den -layoutSchalter von pdftotext, um die Lesbarkeit zu verbessern und sich ein Bild von Änderungen im Layout zu machen.

Verwenden Sie dieses Wrapper-Skript, um eine schöne farbige Ausgabe von wdiff zu erhalten:

#!/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

Ich denke, Ihr bester Ansatz wäre es, das PDF in Bilder mit einer angemessenen Auflösung zu konvertieren und dann einen Bildvergleich durchzuführen.

Um Bilder aus PDF zu generieren, können Sie die Adobe PDF Library oder die unter Beste Methode vorgeschlagene Lösung zum Konvertieren von PDF-Dateien in TIFF-Dateien verwenden .

Um die generierten TIFF-Dateien zu vergleichen, fand ich GNU tiffcmp (für Windows Teil von GnuWin32 tiff ) und tiffinfo haben gute Arbeit geleistet. Verwenden Sie tiffcmp -l und zählen Sie die Anzahl der Ausgabezeilen, um Unterschiede festzustellen. Wenn Sie sich über eine geringfügige Änderung des Inhalts freuen (z. B. Anti-Aliasing-Unterschiede), verwenden Sie tiffinfo, um die Gesamtzahl der Pixel zu zählen, und Sie können dann einen prozentualen Differenzwert generieren.

Übrigens ist es für jeden, der einen einfachen PDF-Vergleich durchführt, bei dem sich die Struktur nicht geändert hat, möglich, Befehlszeilendiff zu verwenden und bestimmte Muster zu ignorieren, z. B. mit GNU diff 2.7:

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

Dies hat immer noch das Problem, dass Änderungen an generierten Schriftnamen nicht immer erfasst werden.

Unser Produkt PDF Comparator - http://www.premediasystems.com/pdfc.html "- erledigt dies recht elegant und effizient. Es ist auch nicht kostenlos und eine reine Mac OS X-Anwendung.

Je nach Ihren Anforderungen ist eine Konvertierungslösung in Text am einfachsten und direktesten. Ich fand die Bitmap-Idee ziemlich cool.

Die pubf-Software von blubeam erledigt dies für Sie

Sie können PDF- Dateien mit Tarkware Pdf Comparer stapelweise vergleichen. Es ist jedoch nicht kostenlos und erfordert Adobe Acrobat.