使用Python简单实现比较PDF文件差异_Python

在处理合同、法律文书或技术文档时，常常会遇到多个版本的同一 pdf。人工逐页对比既耗时又容易遗漏细节。借助 spire.pdf for python，你可以用很少的代码自动检测并高亮显示两个 pdf 之间的差异，从而大幅提升比对效率和准确性。

本文将逐步演示如何配置环境并使用示例代码进行比较，还会介绍一些可选的高级设置以满足不同需求。

安装依赖

首先从 pypi 安装所需包：

pip install spire.pdf

安装完成后即可开始对 pdf 文档进行比对。

基本示例：比较两个 pdf 并输出结果

下面示例将原始文档与修订文档进行比较，并生成一个可视化的比较结果文件：

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

# 加载原始 pdf
original = pdfdocument("original.pdf")    

# 加载修订后的 pdf
revised = pdfdocument("revised.pdf")  

# 初始化比较器
comparer = pdfcomparer(original, revised)

# 生成比较结果
comparer.compare("output/compareresult.pdf") 

# 释放资源
original.dispose()
revised.dispose()

在 pdf 查看器（例如 adobe acrobat）中打开生成的 compareresult.pdf，你会看到并排对比的页面：原文中被删除的内容以红色高亮，修订文档中新增的内容以黄色标注，清晰直观。

可选的高级设置

你可以在调用 compare 前通过调整比较选项来满足更精细的需求。

1.仅比较文本

如果希望忽略排版或图形差异，只检测文本变化，可以启用文本比对模式：

comparer.pdfcompareoptions.onlycomparetext = true

2.限定页范围比较

对于篇幅较长的文档，仅比较特定页区通常更高效。可以设置页范围：

comparer.pdfcompareoptions.setpageranges(1, 3, 1, 3)
# 参数顺序：(oldstartindex, oldendindex, newstartindex, newendindex)

这会仅比较指定的页面区间，而非整份文档。

方法补充

python实现比对两个pdf文件内容并输出不同的地方

思路步骤：

安装pypdf2库，并导入
打开需要进行比对的两个pdf文件
创建pdf文件读取对象
获取pdf文件的页数
创建pdf文件写入对象
逐页比较两个pdf文件
将比较结果写入新的pdf文件
关闭pdf文件

实现代码：

import pypdf2
# 打开原始pdf文件
pdf1 = open('1.pdf', 'rb')
pdf2 = open('2.pdf', 'rb')
# 创建pdf文件读取对象
pdf1_reader = pypdf2.pdfreader(pdf1)
pdf2_reader = pypdf2.pdfreader(pdf2)
# 使用len(reader.pages) 获取pdf文件的页数
pdf1_pages = len(pdf1_reader.pages)
pdf2_pages = len(pdf2_reader.pages)
# 创建pdf文件写入对象
pdf_writer = pypdf2.pdfwriter()
# 使用reader.pages[page_number]，逐页比较两个pdf文件
for page_number in range(min(pdf1_pages, pdf2_pages)):
    page1 = pdf1_reader.pages[page_number]
    page2 = pdf2_reader.pages[page_number]
    if page1.extract_text() != page2.extract_text():
        pdf_writer.add_page(page1)
        pdf_writer.add_page(page2)
# 将比较结果写入新的pdf文件
pdf_output = open('output.pdf', 'wb')
pdf_writer.write(pdf_output)
# 关闭文件
pdf1.close()
pdf2.close()
pdf_output.close()