在 c# 中比较两个 pdf 文件的最佳方法是啥？

Posted 2023-02-22

【中文标题】在 c# 中比较两个 pdf 文件的最佳方法是啥？

【英文标题】：What is the best way of comparing two pdf file in c#?在 c# 中比较两个 pdf 文件的最佳方法是什么？

【发布时间】：2011-05-21 14:36:37

【问题描述】：

我想在 C# 中检查两个 PDF 文件的文本内容。

【问题讨论】：

如何比较它们？看他们是一样的吗？找出差异？还有什么？

【参考方案1】：

如果它们相同，您可以进行二进制比较。如果要进行上下文比较，您可能需要一个 PDF 库。 Here 是一些库。

【参考方案2】：

这并不容易，但我想第一步是获得一个可以从 PDF 中提取文本的体面的 PDF 库。我使用的一个是 ITextSharp，可从http://itextpdf.com/（开源）获得。然后尝试一个差异库，例如DIffer: a reusable C# diffing utility and class library。祝你好运！

【参考方案3】：

已经有一段时间了，但这个功能对我有用（但不能保证......我不记得我是否在带有嵌入图像或任何东西的 PDF 上尝试过）。文件中嵌入了 GUID 或某种 ID，您只需将其删除并比较其他所有内容。代码如下：

    static bool ComparePDFs(string file1, string file2)
    
        if (!File.Exists(file2))
            return false;

        int i;
        string f1 = File.ReadAllText(file1);
        string f2 = File.ReadAllText(file2);

        if (f1.Length != f2.Length)
            return false;

        // Remove PDF ID from file1
        i = f1.LastIndexOf("/ID [<");
        if (i < 0)
            Console.WriteLine("Error: File is not a valid PDF file: " + file1);
        else
            f1 = f1.Substring(0, i) + f1.Substring(i + 75);

        // Remove PDF ID from file2
        i = f2.LastIndexOf("/ID [<");
        if (i < 0)
            Console.WriteLine("Error: File is not a valid PDF file: " + file2);
        else
            f2 = f2.Substring(0, i) + f2.Substring(i + 75);

        return f1 == f2;
    

【参考方案4】：

免责声明：我为 Atalasoft 工作。

Atalasoft 的DotImage SDK 可用于从 C# 中的 PDF 中提取文本。如果 PDF 已经可以搜索，您可以轻松找到文本：

public String GetText(Stream s, int pageNum, int charIndex, int count)

   using (PdfTextDocument doc = new PdfTextDocument(s))
   
       PdfTextPage textPage = doc.GetPage(pageNum);                    
       return textPage.GetText(charIndex, count);
   

否则，您可以使用 OCR 工具来检测图像上的文字。