我正在寻找一个 Linux 命令行工具来比较两个 PDF 文件并将差异保存到 PDF 输出文件。该工具应该在批处理中创建 diff-pdf。 PDF 文件是施工图，所以纯文本比较不起作用。
类似：
<tool> file1.pdf file2.pdf -o diff-out.pdf
我发现的大多数工具都可以将 PDF 转换为图像并进行比较，但只能使用 GUI。
也欢迎任何其他解决方案。
【问题讨论】：
标签： linux pdf comparison ghostscript
我已经编写了自己的脚本，该脚本的功能与您的要求相似。该脚本使用 4 个工具来实现其目标：
compare 命令pdftk 实用程序（如果您有多页 PDF）md5sum（可选）将它移植到 DOS/Windows 的 .bat 批处理文件应该很容易。
但首先，请注意：这仅适用于具有相同页面/媒体大小的 PDF。在两个输入 PDF 之间逐个像素地进行比较。生成的文件是显示“差异”的图像，如下所示：
该差异图像被保存为新的 PDF，以便在不同的操作系统平台上更好地访问。
例如，当 PDF 处理中的字体替换发挥作用时，我使用它来发现最小的页面显示差异。
您的 PDF 之间可能没有明显的差异，尽管它们的 MD5 哈希值和/或文件大小不同。在这种情况下，“diff”输出 PDF 页面将变为全白。您可以自动发现这种情况，因此您只需通过自动删除全白 PDF 来直观地调查非白色 PDF。
这里是构建块：
使用此命令行实用程序将多页 PDF 文件拆分为多个单页 PDF：
pdftk file_1.pdf burst output somewhere/file_1---page_%03d.pdf
pdftk file_2.pdf burst output somewhere/file_2---page_%03d.pdf
如果您只比较单页 PDF，则此构建块是可选的。既然你说的是“建设计划”，那很可能就是这样。
使用 ImageMagick 中的这个命令行实用程序为每个页面创建一个“差异”PDF 页面：
compare \
-verbose \
-debug coder \
-log "%u %m:%l %e" \
somewhere/file_1---page_001.pdf \
somewhere/file_2---page_001.pdf \
-compose src \
somewhereelse/file_1--file_2---diff_page_001.pdf
由于自动插入元数据（例如当前日期+时间），PDF 输出不适用于基于 MD5hash 的文件比较。
如果您想自动发现差异 PDF 包含纯白页的所有情况，您应该使用 bmp256 输出设备将 PDF 页面转换为无元数据位图格式。你可以这样做：
首先，找出您的 PDF 的页面大小格式是什么。同样，这个小实用程序identify 是任何 ImageMagick 安装的一部分：
identify \
-format "%[fx:(w)]x%[fx:(h)]" \
somewhereelse/file_1--file_2---diff_page_001.pdf
您可以像这样将该值存储在环境变量中：
export my_size=$(identify \
-format "%[fx:(w)]x%[fx:(h)]" \
somewhereelse/file_1--file_2---diff_page_001.pdf)
现在 Ghostscript 开始发挥作用，使用包含上述发现的页面大小的命令行，因为它存储在变量中：
gs \
-o somewhereelse/file_1--file_2---diff_page_001.ppm \
-sDEVICE=ppmraw \
-r72 \
-g${my_size} \
somewhereelse/file_1--file_2---diff_page_001.pdf
这为您提供了一个分辨率为 72 dpi 的 PPM（便携式 PixMap），来自原始 PDF 页面。 72 dpi 通常足以满足我们的需求...接下来，创建一个具有相同页面大小的纯白色 PPM 页面：
gs \
-o somewhereelse/file_1--file_2---whitepage_001.ppm \
-sDEVICE=ppmraw \
-r72 \
-g${my_size} \
-c "showpage"
-c "showpage" 部分是一个 PostScript 命令，它告诉 Ghostscript 只发出一个空页面。
使用 MD5 哈希自动比较原始 PPM 和白页 PPM。如果它们相同，您可以假设 PDF 之间没有差异，因此重命名或删除 diff-PDF：
MD5_1=$(md5sum somewhereelse/file_1--file_2---diff_page_001.ppm | awk '{print $1}')
MD5_2=$(md5sum somewhereelse/file_1--file_2---whitepage_001.ppm | awk '{print $1}')
if [ "x${MD5_1}" == "x${MD5_2}" ]; then
mv \
somewhereelse/file_1--file_2---diff_page_001.pdf \
somewhereelse/file_1--file_2---NODIFFERENCE_page_001.pdf # rename all-white PDF
rm \
somewhereelse/file_1--file_2---*_page_001.ppm # delete both PPMs
fi
这使您不必目视检查没有任何差异的“差异 PDF”。
【讨论】：
convert file.pdf -format %c histogram:info: | grep -Ev '^$|255,255,255,' > /dev/null 将返回您0 如果页面上没有白色的东西。您还可以通过使用 subsctripion：compare file1.pdf[42] file2.pdf[42] -compose src output.png 直接将 compare 用于 PDF 页面。 A now all together: compare "$src[$i]" "$dst[$i]" -compose src -format %c histogram:info: | grep -Ev '^$|255,255,255,' > /dev/null 如果页面 #i 在这些 PDF 中不同，您将获得成功。
484704: (65535,65535,65535,65535) #FFFFFFFFFFFF white，所以它没有您正在寻找的 255,255,255。最好只搜索white
your own script 是否可以在某处下载？例如，作为一个要点？）
这里有一个技巧。
pdftotext file1.pdf
pdftotext file2.pdf
diff file1.txt file2.txt
【讨论】：
vimdiff <(pdftotext /path/to/pdf-file-1 -) <(pdftotext /path/to/pdf-file-2 -)
用（全能的）imagemagick 和 pdftk 分两行完成：
compare -verbose -debug coder $PDF_1 $PDF_2 -compose src $OUT_FILE.tmp
pdftk $OUT_FILE.tmp background $PDF_1 output $OUT_FILE
选项 -verbose 和 -debug 是可选的。
【讨论】：