Comparar documentos PDF em Python

Maneiras de Comparar Documentos PDF

Ao trabalhar com documentos PDF, há momentos em que você precisa comparar o conteúdo de dois documentos para identificar diferenças. A biblioteca Aspose.PDF for Python via .NET fornece um conjunto de ferramentas poderoso para esse propósito. Neste artigo, exploraremos como comparar documentos PDF usando alguns trechos de código simples.

Use a comparação lado a lado quando quiser uma saída PDF que destaque alterações de texto e layout entre as páginas. Use a comparação gráfica quando precisar de detecção de diferenças baseada em imagens para fluxos de trabalho de revisão visual, verificações de regressão ou relatórios de comparação de PDF.

A funcionalidade de comparação no Aspose.PDF permite comparar dois documentos PDF página por página. Você pode escolher comparar páginas específicas ou documentos inteiros. O documento de comparação resultante destaca as diferenças, facilitando a identificação das alterações entre os dois arquivos.

Aqui está uma lista de possíveis maneiras de comparar documentos PDF usando a biblioteca Aspose.PDF for Python via .NET:

Comparando Páginas Específicas - Compare as primeiras páginas de dois documentos PDF.
Comparando Documentos Inteiros - Compare todo o conteúdo de dois documentos PDF.
Comparar documentos PDF graficamente:

Compare PDF com o método ‘comparer.get_difference’ - imagens individuais onde as alterações são marcadas.
Compare PDF com o método ‘comparer.compare_documents_to_pdf’ - documento PDF com imagens onde as alterações são marcadas.

Comparando Páginas Específicas

O primeiro trecho de código demonstra como comparar as primeiras páginas de dois documentos PDF usando a classe SideBySidePdfComparer.

Inicialização do Document.
Crie uma função para executar a comparação.
Processo de Comparação:

document1.pages[1] e document2.pages[1]: - estes especificam a primeira página de cada documento para comparação. Observe que a indexação de páginas começa em 1 no Aspose.PDF.
SideBySideComparisonOptions - esta classe permite a personalização do comportamento da comparação.
additional_change_marks = True - habilita a exibição de marcadores de alteração adicionais, destacando diferenças que podem estar presentes em outras páginas, mesmo que não estejam na página atual sendo comparada.
comparison_mode = ComparisonMode.IgnoreSpaces - define o modo de comparação para ignorar espaços no texto, concentrando‑se apenas nas alterações dentro das palavras.

O resultado da comparação é salvo como um novo arquivo PDF chamado ComparingSpecificPages_out.pdf no diretório data_dir especificado.

import aspose.pdf as ap
import sys
from os import path

def comparing_specific_pages(infile1, infile2, outfile):
    # Open PDF documents
    document_1 = ap.Document(infile1)
    document_2 = ap.Document(infile2)

    # Compare
    options = ap.comparison.SideBySideComparisonOptions()
    options.additional_change_marks = True
    options.comparison_mode = ap.comparison.ComparisonMode.IGNORE_SPACES

    # Perform comparison and save the result
    ap.comparison.SideBySidePdfComparer.compare(
        document_1.pages[1], document_2.pages[1], outfile, options
    )

Comparando Documentos Inteiros

O segundo trecho de código expande o escopo para comparar todo o conteúdo de dois documentos PDF.

import aspose.pdf as ap
import sys
from os import path

def comparing_entire_documents(infile1, infile2, outfile):
    # Open PDF documents
    document_1 = ap.Document(infile1)
    document_2 = ap.Document(infile2)

    # Compare
    options = ap.comparison.SideBySideComparisonOptions()
    options.additional_change_marks = True
    options.comparison_mode = ap.comparison.ComparisonMode.IGNORE_SPACES

    # Perform comparison and save the result
    ap.comparison.SideBySidePdfComparer.compare(
        document_1, document_2, outfile, options
    )

O código fornecido demonstra a comparação de dois documentos PDF usando Aspose.PDF for Python via .NET. Ele utiliza a classe SideBySidePdfComparer para realizar uma comparação página a página, gerando um novo PDF que exibe as diferenças lado a lado. A comparação é configurada com SideBySideComparisonOptions, onde additional_change_marks está definido como True para realçar alterações não apenas na página atual, mas também em outras páginas, e comparison_mode está definido como IgnoreSpaces para focar nas diferenças de conteúdo significativo, ignorando variações de espaços em branco.

Comparar usando GraphicalPdfComparer

Ao colaborar em documentos, especialmente em ambientes profissionais, você costuma acabar com várias versões do mesmo arquivo. O código fornecido demonstra como comparar visualmente páginas específicas de dois documentos PDF usando Aspose.PDF for Python via .NET. Ao usar o GraphicalPdfComparer classe, realça as diferenças entre as primeiras páginas dos dois PDFs e gera imagens correspondentes para representar essas diferenças.

Você pode definir as seguintes propriedades da classe:

Resolution - resolução em unidades DPI para imagens de saída, bem como para imagens geradas durante a comparação.
Color - a cor das marcas de alteração.
Limite - altere o limite em percentual. O valor padrão é zero. Definir um valor diferente de zero permite ignorar alterações gráficas que são insignificantes para você.

Com Aspose.PDF for Python via .NET, é possível comparar documentos e páginas e gerar o resultado da comparação em um documento PDF ou arquivo de imagem.

O GraphicalPdfComparer a classe tem um método que permite obter diferenças de imagem da página em um formato adequado para processamento adicional: get_difference(document1.pages[1], document2.pages[1]).

Este método retorna um objeto do images_difference tipo, que contém uma imagem da primeira página sendo comparada e um array de diferenças.

O images_difference objeto permite gerar uma imagem diferente e obter uma imagem da segunda página sendo comparada aplicando uma matriz de diferenças à imagem original. Para fazer isso, use o difference_to_image e get_destination_image métodos.

Comparar PDF com o método Get Difference

O código fornecido define um método get_difference que compara dois documentos PDF e gera representações visuais das diferenças entre eles.

Este método compara as primeiras páginas de dois arquivos PDF e gera duas imagens PNG:

Uma imagem destaca as diferenças entre as páginas em vermelho.
A outra imagem é uma representação visual da página de destino (segunda) do PDF.

Esse processo pode ser útil para comparar visualmente alterações ou diferenças entre duas versões de um documento.

import aspose.pdf as ap
import sys
from os import path

def compare_pdf_with_get_difference_method(infile1, infile2, outfile1, outfile2):
    # Open PDF documents
    document1 = ap.Document(infile1)
    document2 = ap.Document(infile2)

    # Create comparer
    comparer = ap.comparison.GraphicalPdfComparer()

    # Compare specific pages
    images_difference = comparer.get_difference(document1.pages[1], document2.pages[1])

    # Get image showing differences in red over a white background
    diff_img = images_difference.difference_to_image(ap.Color.red, ap.Color.white)
    diff_img.save(outfile1)

    # Get the second image representing the destination page
    dest_img = images_difference.get_destination_image()
    dest_img.save(outfile2)

Comparar PDF com o método CompareDocumentsToPdf

O trecho de código fornecido usa o compare_documents_to_pdf método, que compara dois documentos e gera um relatório em PDF dos resultados da comparação.

import aspose.pdf as ap
import sys
from os import path

def compare_pdf_with_compare_documents_to_pdf_method(infile1, infile2, outfile):
    # Open PDF documents
    document_1 = ap.Document(infile1)
    document_2 = ap.Document(infile2)

    # Create comparer and set options
    pdf_comparer = ap.comparison.GraphicalPdfComparer()
    pdf_comparer.threshold = 3.0
    pdf_comparer.color = ap.Color.blue
    pdf_comparer.resolution = ap.devices.Resolution(300)

    # Compare and output to a PDF file
    pdf_comparer.compare_documents_to_pdf(document_1, document_2, outfile)

Este exemplo demonstra como realizar uma comparação gráfica de dois documentos PDF completos usando Aspose.PDF for Python via .NET. Ao aproveitar o GraphicalPdfComparer classe, gera um novo arquivo PDF que destaca visualmente as diferenças entre os documentos.

A propriedade threshold está definida como 3.0, significando que diferenças menores que essa percentagem são ignoradas durante a comparação, focando em alterações mais significativas.
As diferenças são marcadas em azul definindo a propriedade color para ap.Color.blue, permitindo uma distinção visual clara.
A comparação é realizada a uma resolução de 300 DPI definindo a propriedade de resolução, garantindo uma saída detalhada e nítida.

O compare_documents_to_pdf método compara todas as páginas de ambos os documentos e gera o resultado em um novo arquivo PDF, compareDocumentsToPdf_out.pdf, com as diferenças destacadas visualmente.

Tópicos Relacionados

Trabalhar com Gráficos Vetoriais em Python Trabalhar com Artefatos PDF em Python