java - Apache FileUtils 比较两个相同的 pdf 时不断返回 false

Question

我正在使用 FileUtils 来比较两个相同的 pdf。这是代码:

boolean comparison = FileUtils.contentEquals(pdfFile1, pdfFile2);

尽管两个 pdf 文件是相同的，但我总是得到 false。我还注意到，当我执行时:

byte[] byteArray = FileUtils.readFileToByteArray(pdfFile1);
byte[] byteArrayTwo = FileUtils.readFileToByteArray(pdfFile2);
System.out.println(byteArray);
System.out.println(byteArrayTwo);

我得到两个 pdf 文件的以下字节码:

[B@3a56f631
[B@233d28e3

因此，尽管两个 pdf 文件在视觉上完全相同，但它们的字节码不同，因此无法通过 boolean 测试。有没有办法测试相同的pdf文件是否相同？

Answer 1

不幸的是，对于 PDF 来说，“相同的文件”和“视觉上相同”的文件之间存在很大差异。所以第一个问题是你在寻找什么。

一个非常简单的例子，PDF文件中的信息可以压缩也可以不压缩，并且可以使用不同的压缩过滤器进行压缩。例如，采用一个部分内容未压缩的文件，并使用 ZIP 压缩过滤器压缩该内容，将得到两个在字节级别上非常不同的文件，但在视觉上却非常相似。

因此您可以执行多种不同的操作来比较 PDF 文件:

1)如果您想检查是否有“相同的文件”，请读入它们并计算某种校验和，如 Peter Petrov 之前回答的那样。

2)如果您想知道或知道文件在视觉上是否相同，最常见的方法是某种渲染。将所有页面渲染为图像并比较图像。实际上，这并不像听起来那么简单，有简单的(例如 callas pdfToolbox)和复杂的(例如 Global Vision DigitalPage)应用程序实现某种“相同”算法(注意，我与这两种算法都相关)这些供应商)。

因此，首先要明确您到底需要什么，然后仔细选择哪种方法最有效。