我需要比较大量的光学内容的PDF文件。由于PDF文件是在不同的平台上以及使用不同版本的软件创建的，因此存在结构差异。例如：

• 文本的分块可以不同
• 写入顺序可以不同
• 位置可能会有所不同一些像素

它应该像人类一样比较内容，而不是内部结构。我想要测试我们使用的PDF生成器的不同版本之间的回归。

解决方案

我认为我们最好的方法是将PDF转换为具有适当分辨率的图像，而不是将图像进行比较。

要从PDF生成图像，我们可以使用Adobe PDF Library或者"最佳方法"中建议的将pdf文件转换为tiff文件的解决方案。

为了比较生成的TIFF文件，我发现GNU tiffcmp(用于Windows的GnuWin32 tiff)和tiffinfo做得很好。使用tiffcmp -l并计数输出的行数以发现任何差异。如果我们愿意对内容进行少量更改(例如抗锯齿差异)，请使用tiffinfo计数像素总数，然后可以生成百分比差异值。

顺便说一下，对于任何进行简单PDF比较而不更改结构的人，可以使用命令行diff并忽略某些模式，例如使用GNU diff 2.7：

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

这仍然存在一个问题，即它并不总是捕获生成的字体名称中的更改。

我使用了自制脚本

• 将两个PDF上的所有页面转换为位图
• 将PDF 1的页面彩色化为红白色
• 在PDF 2的页面上将白色更改为透明
• 将PDF 2中的每一页覆盖在PDF 1中的相应页面之上
• 在多个内核上并行运行转换/着色和叠加

使用的软件：

• 用于PDF到位图转换的GhostScript
• ImageMagick用于着色，透明和覆盖
• inotify同步并行进程
• 任何具有PNG功能的图像查看器，用于查看结果

优点：

• 简单的实现
• 所有使用的工具都是开源的
• 非常适合发现布局上的细微差异

缺点：

• 转换很慢
• PDF之间的主要差异(例如分页)导致混乱
• 位图不可缩放
• 仅适用于黑白文本和图表
• 没有易于使用的GUI

我一直在寻找一种可以在PDF / PostScript级别上执行相同操作的工具。

这是我们的脚本调用实用程序的方式(请注意，ImageMagick在后台使用GhostScript进行PDF-> PNG转换)：

$ 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

我们还使用pdftotext(请参见Sklivvz的答案)来生成PDF的ASCII版本，并使用wdiff进行比较。

使用pdftotext的-layout开关可以增强可读性，并对布局的更改有所了解。

要从wdiff获得漂亮的彩色输出，请使用以下包装器脚本：

#!/bin/sh
RED=$'\e'"[1;31m"
GREEN=$'\e'"[1;32m"
RESET=$'\e'"[0m"
wdiff -w$RED -x$RESET -y$GREEN -z$RESET -n  

因为没有可用的工具，所以我们已经编写了一个。我们可以下载并使用i-net PDF内容比较器。希望对其他有相同问题的人有所帮助。如果我们有任何疑问或者对我们有反馈，则可以联系我们的支持。

blubeam pdf软件将为我们做到这一点

我们可以使用Tarkware Pdf比较器批量比较pdf文件。但是它不是免费的，需要Adobe Acrobat。

我们的产品" PDF比较器http://www.premediasystems.com/pdfc.html"将非常优雅，高效地完成此操作。它也不是免费的，并且是Mac OS X专用的应用程序。