是否有两个pdf文件？

我正在寻找一个好的程序来向我展示两个相似的pdf文件之间的区别。特别是，我正在寻找的东西不仅会在文件的ascii版本（带有“ pdftotext”）上运行diff。这就是pdfdiff.py所做的。

您可以为此使用DiffPDF。根据描述：

DiffPDF用于比较两个PDF文件。默认情况下，比较是针对每对页面上的文本，但是也支持比较页面的外观（例如，如果更改了图表或重新格式化了段落）。也可以c>突出显示特定页面或页面范围。例如，如果有两个版本的PDF文件，一个版本的页面为1-12，另一个版本的页面为1-13，因为已将一个额外的页面添加为页面4，则可以通过指定两个页面范围来比较它们，即1第一个为-12，第二个为1-3，第5-13个。这将使DiffPDF将（1、1，），（2、2），（3、3），（4、5），（5、6）等对中的页面比较到（12、13）。

我只是想出一种使DiffPDF（@qbi建议的程序）可用于微小更改的黑客。我要做的是使用pdfjam将所有页面pdf连接成一个长滚动条，然后比较滚动条。即使删除或插入大块也可以使用！

这是一个执行该任务的bash脚本：

#!/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

即使这不能直接解决问题，这也是从命令行以很少依赖项完成所有操作的好方法：

diff <(pdftotext -layout old.pdf /dev/stdout) <(pdftotext -layout new.pdf /dev/stdout)

https://linux.die.net/man/1/pdftotext

对于基本的pdf比较，它确实非常有效。如果您使用的是pdftotext的较新版本，则可以尝试使用-bbox代替-layout。

就diff程序而言，我喜欢使用diffuse，因此命令更改的幅度很小：

diffuse <(pdftotext -layout old.pdf /dev/stdout) <(pdftotext -layout new.pdf /dev/stdout)

http://diffuse.sourceforge.net/

希望能有所帮助。

如果您有2-3个巨大的pdf（或epub或其他格式，请阅读下面）文件进行比较，则可以组合以下功能：

1. 口径（将您的来源转换为文本）

2. 融合（以视觉方式搜索文本文件之间的差异）

3. 并行（以使用所有系统核心来加速）

下面的脚本接受以下任何文件格式作为输入：MOBI，LIT，PRC，EPUB，ODT，HTML，CBR，CBZ，RTF，TXT，PDF和LRS。

如果未安装，则安装融合，口径和平行：

#install packages
sudo apt-get -y install meld calibre parallel

为了能够在计算机的任何位置执行代码，请将以下代码保存在目录“ / usr / local / bin”内名为“ diffepub”（无扩展名）的文件中。

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

确保所有者是您的用户，并且具有执行权限：

sudo chown $USER:$USER /usr/local/bin/diffepub
sudo chmod 700 /usr/local/bin/diffepub

要测试它，只需键入：

diffepub FILE1 FILE2

我对其进行了测试，以比较+1600页pdf的2个修订版本，并且效果很好。由于口径是使用python编写的，以实现可移植性，因此花了10分钟将两个文件都转换为文本。缓慢但可靠。