批量比较两个PDF文档（PDFUtil通过文本/者图像进行比较）

之前写过一些关于PDF的文章：

• Python图片裁剪的两种方式——Pillow和OpenCV
• Java+PDFBox将PDF转成图片
• 【PyMuPDF和pdf2image】Python将PDF转成图片

前言：

在我的项目中，我需要比较大量的PDF文档，确认两份PDF文档是否一致，如果仅仅凭借着手动去逐一比较，可能很快就阵亡了。另外也有一些软件可以辅助的去对比，但依然是手动。

在找不到任何比较好用的工具来比较PDF文档的前提下，而且不希望只是进行简单的文本进行比较，而是想要寻找一些基于图像对PDF进行比较，找到之间的像素差异的方法。

所以我创建了一个简单的Java库（基于apache-pdf-box – Apache License, Version 2.0），可以通过文本/图像（Text/Image）模式比较指定的PDF文档，并且高亮差异；从PDF文档中提取图像，并将图像另存为。

项目Maven 依赖：

使用时应该包含下面的POM依赖项：

   com.testautomationguru.pdfutil
   pdf-util
   0.0.1

ZIP下载地址：

taguru-pdf-utility-v1.1.zip (17288 downloads)

Github: 想要获取源码包请点击这里（https://github.com/vinsguru/pdf-util）

使用说明：

1、获取PDF页数

import com.testautomationguru.utility.PDFUtil;

PDFUtil pdfUtil = new PDFUtil();
pdfUtil.getPageCount("c:/sample.pdf"); //返回PDF的页数

2、以纯文本的方式获取页面内容

//以Text返回PDF的内容 - 所有页
pdfUtil.getText("c:/sample.pdf"); 

// 以Text返回PDF第2页的内容
pdfUtil.getText("c:/sample.pdf",2); 

// 以Text返回PDF第5~8页的内容
pdfUtil.getText("c:/sample.pdf", 5, 8);

3、从PDF中提取附加图像

//设置我们需要存储图像的路径
pdfUtil.setImageDestinationPath("c:/imgpath");
pdfUtil.extractImages("c:/sample.pdf");

// 从PDF的第3页中提取并保存内容
pdfUtil.extractImages("c:/sample.pdf", 3);

// 从PDF的第2页中提取并保存内容
pdfUtil.extractImages("c:/sample.pdf", 2, 2);

4、将PDF页面存储为图像

//设置我们需要存储图像的路径
 pdfUtil.setImageDestinationPath("c:/imgpath");
 pdfUtil.savePdfAsImage("c:/sample.pdf");

5、以文本模式比较PDF文件(速度更快-但不比较PDF中的格式、图像等)

String file1="c:/files/doc1.pdf";
String file1="c:/files/doc2.pdf";

// 比较PDF文档并返回 True or False
// 两个PDF完全一样返回True， 不一样返回False
pdfUtil.compare(file1, file2);

// 仅比较第3页
pdfUtil.compare(file1, file2, 3, 3);

// 比较第1~5页
pdfUtil.compare(file1, file2, 1, 5);

6、在文本模式下排除某些文本再对PDF文件进行比较

String file1="c:/files/doc1.pdf";
String file1="c:/files/doc2.pdf";

//对比之前删除有可能的文本内容
pdfutil.excludeText("1998", "testautomation");

//使用正则表达式，在比较之前删除指定内容
// \\d+ 在比较之前删除PDF中的所有数字 \\d+是数字的正则表达式
pdfutil.excludeText("\\d+");

// 比较PDF文档并返回一个布尔值
// True表示相同；false 表示不一样.
pdfUtil.compare(file1, file2);

// 仅比较第3页
pdfUtil.compare(file1, file2, 3, 3);

// 比较第1~5页
pdfUtil.compare(file1, file2, 1, 5);

7、以视图模式比较PDF文件(较慢--对PDF文档进行像素逐一比较 -- 高亮PDF差异并将结果存储为图像)

String file1="c:/files/doc1.pdf";
String file1="c:/files/doc2.pdf";

// 比较PDF文档并返回一个布尔值
// 两个PDF完全一样返回True， 不一样返回False
// 默认是 CompareMode.TEXT_MODE
pdfUtil.setCompareMode(CompareMode.VISUAL_MODE);
pdfUtil.compare(file1, file2);

// 单独对比第3页
pdfUtil.compare(file1, file2, 3, 3);

// 对比PDF第1~5页
pdfUtil.compare(file1, file2, 1, 5);

//需要的话，可以将不同的地方高亮并以图像存储到你的本地
pdfUtil.highlightPdfDifference(true);
pdfUtil.setImageDestinationPath("c:/imgpath");
pdfUtil.compare(file1, file2);

样例：

比如我有下面这样的两个PDF文档。使用PDFUtility比较之后会给出结果，如下图，默认情况下使用洋红色(Magenta)高亮差异的区域，颜色可以更改。

后续将会继续实现的功能：

• 在视图模式VISUAL_MODE下比较PDF文件时，忽略某些区域。
• 在视图模式VISUAL_MODE下比较PDF文件时，根据一定的阈值/灵敏度返回 true / false。

1. Appium移动端自动化测试--基础预热
2. Appium移动端自动化测试--搭建测试环境
3. Appium移动端自动化测试--录制测试用例并运行
4. Appium移动端自动化测试--使用IDE编辑并强化脚本
5. Appium移动端自动化测试--控件定位方法
   
6. Appium移动端自动化测试--元素操作与触摸动作
   
7. Appium移动端自动化测试--搭建模拟器和真机环境
   
8. Appium移动端自动化测试--测试用例改造
   
9. Appium移动端自动化测试--capability使用和常用设备交互命令