如何以编程方式比较两个基于视觉差异的PDF？ [关闭]

Question

我需要比较并获得两个PDF文件中的所有视觉差异。 我知道在堆栈溢出方面存在一些与此相关的问题，但它们并不能满足我的需求。

我目前正在使用PDFBox为PDF页面生成图像并比较图像的字节。

通过这种方法，我能够知道特定的页面是不同的。

但我需要找到一些更精细的细节，比如某些文字的字体大小，比如说 - “文字”的页码不同，比如PDF中的6。

不仅是文本，我需要处理所有的视觉差异，如图像，图表中的文字等。

为了达到这个目的，请建议我。

PS：我尝试过使用Apache Tika，但我感觉它可以用来获取XHTML和元数据中的结构化文本。 但我看到字体大小，字体八等细节没有出现在结构化文本中。 如果我弄错了，请纠正我。

Answer 1

PDF使用Java进行映像

在Java中将PDF转换为缩略图 （这里有一个pdf-renderer的例子）

https://www.google.com.br/search?q=PixelGraber&ie=utf-8&oe=utf-8&rls=org.mozilla:pt-BR:official&client=firefox-a&gws_rd=cr&ei=K1PhUqD2Jei0sQTQs4DoAw

将PDF转换为TIFF的好库？

将jpeg / png转换为java中的像素数组

int像素数组到java中的bmp

找到像素位置

获取图像周围的像素颜色

使用PDFBox 提取文本 ： 使用pdfbox从PDF文件中提取文本

PDFBox中有类用于检测字体位置，类型，大小以及可能（不深入搜索）其他设置。 （下面的链接）然后，您可以从两个PDF中提取文本，比较它们以检查文本是否相等，然后 - 如果它们相等 - 比较它们的格式。 如果有不同的东西，请标记显示为另一个文本，图像或PDF。

http://pdfbox.apache.org/docs/1.8.3/javadocs/org/apache/pdfbox/util/TextPosition.html

http://pdfbox.apache.org/docs/1.8.2/javadocs/org/apache/pdfbox/pdmodel/graphics/PDFontSetting.html

Answer 2

查看此Java包： https ： //java.net/projects/pdf-renderer

您可以将pdf转换为图像，然后将图像作为2D阵列遍历，并比较这样的差异。