使用Python实现对比两个PDF文档的差异

pip install Spire.PDF

from spire.pdf.common import *
from spire.pdf import *

# 加载第一个文档
doc_one = PdfDocument("PDF_ONE.pdf")       

# 加载第二个文档
doc_two = PdfDocument("PDF_TWO.pdf")  

# 创建 PdfComparer 对象，以 doc_two 为基准文档，doc_one 为目标文档
comparer = PdfComparer(doc_two, doc_one)

# 执行对比操作，并将结果保存为新的 PDF 文件
comparer.Compare("ComparisonResults.pdf") 

# 释放文档资源
doc_one.Dispose()
doc_two.Dispose()

from spire.pdf.common import *
from spire.pdf import *

# 加载两个 PDF 文档
doc_one = PdfDocument("PDF_ONE.pdf")       
doc_two = PdfDocument("PDF_TWO.pdf")  

# 创建 PdfComparer 实例
comparer = PdfComparer(doc_two, doc_one)

# 设置页面范围：比较第一个文档的第1至3页与第二个文档的第1至3页
comparer.PdfCompareOptions.SetPageRanges(1, 3, 1, 3)

# 执行指定页面的对比操作
comparer.Compare("ComparePageRanges.pdf") 

# 释放资源
doc_one.Dispose()
doc_two.Dispose()

pip install pdf-diff

# 生成包含差异的PNG图片
pdf-diff before.pdf after.pdf > diff.png

import pdf_diff
# 计算两个 PDF 的差异，并渲染到 PNG 文件
pdf_diff.compute_changes(
    before="before.pdf",
    after="after.pdf",
    diff_output="diff.png"
)

import pymupdf  # 或者 import fitz
import difflib
import os
def compare_pdf_text(pdf1_path, pdf2_path, output_html="diff.html"):
    # 1. 打开两个 PDF 文档
    doc1 = pymupdf.open(pdf1_path)
    doc2 = pymupdf.open(pdf2_path)
    # 2. 提取全部文本
    text1 = ""
    for page in doc1:
        text1 += page.get_text()
    text2 = ""
    for page in doc2:
        text2 += page.get_text()
    # 3. 将文本转换为行列表，供 difflib 使用
    text1_lines = text1.splitlines()
    text2_lines = text2.splitlines()
    # 4. 生成 HTML 格式的对比报告
    diff = difflib.HtmlDiff()
    html_diff = diff.make_file(text1_lines, text2_lines)
    # 5. 保存报告到文件
    # 获取源PDF所在目录，用于存放比较文件，避免目录权限问题
    base_dir = os.path.dirname(pdf1_path) # 或任何你指定的目录
    output_path = os.path.join(base_dir, output_html)
    with open(output_path, "w", encoding="utf-8") as f:
        f.write(html_diff)
    print(f"差异报告已生成: {output_path}")
# 使用示例
compare_pdf_text("文档_初版.pdf", "文档_修订版.pdf")

from spire.pdf.common import *
from spire.pdf import *
# 1. 加载两个 PDF 文档
original = PdfDocument("document_original.pdf");  # 基准版本
revised = PdfDocument("document_revised.pdf");    # 待比较版本
# 2. 创建 PdfComparer 对象，传入基准版本和待比较版本
comparer = PdfComparer(original, revised)
# (可选) 设置比较选项: 例如只比较文本
comparer.PdfCompareOptions.OnlyCompareText = True
# (可选) 设置比较范围: 例如只比较修订版的第 2 到 4 页
# comparer.PdfCompareOptions.SetPageRanges(1, 1, 2, 4) 
# 3. 执行对比，并生成PDF格式的差异报告
comparer.Compare("comparison_result.pdf")
# 4. 释放资源
original.Dispose()
revised.Dispose()

# 生成一份HTML差异报告
pdfcompare original.pdf scanned_revision.pdf --output html

from pdfcompare.cli import compare_files
# 核心对比函数
compare_files("original.pdf", "scanned_copy.pdf", output_format="pdf")