基于 Java 如何完美解决 word,pdf 的文件对比功能

[jerseyhero]

工作需要实现对比合同相关的文档，格式为 word,pdf 。
搜索了一下，暂时没有找到开源的软件方案。
国内收费软件：
1.PageOffice
2.Spire.Doc
国外收费软件：
1.draftable
但是感觉都 21 年了，难道就没有开源软件能实现么，感觉需求还是挺普遍的，求大神们赐教

虚心接受回复中的批评，
按照大家的回复我想想方案来处理，如果能做出来而且方案可以的话，选择开源出来，为开源事业添砖加瓦。

[xy90321]

对比？ poi 然后自己来？

[gainsurier]

直接调用 word 对比不就行了，PDF 本身就没有太好的对比方案。

[liuxu]

这个重任就交给你了

[jerseyhero]

@xy90321 也算是一种方案，但是想找个轮子😄

[clf]

一般 word 间对比是 poi 解析内容去对比吧。

要么就转图片 OCR 识别文字对比。

[jerseyhero]

@gainsurier 找了很久，没找到调用 word 对比的方法呢，大神能贴一下么

[jerseyhero]

@liuxu 😄😄😄

[jerseyhero]

@clf 是啊，感觉思路是这样的

[uyun2421]

word 和 word 格式之间对比用 word app 的审阅-比较功能，word 和 pdf 格式之间对比用 word 将 pdf 转换为 word，然后再审阅。😂我就经常这么干

[xy90321]

拿 Office Diff 作为关键字结果不少，难道都没有中意的吗？ poi 就是轮子了，只是你现在要的是带高强度钢配真皮座椅自带加热可 5 级自动驾驶

[jerseyhero]

@xy90321 😂老哥懂我

[Dockerfile]

word 没接触过，pdf 的话需要抽取 pdf 里面的所有信息，市场上有收费产品的(java 的话 itext 有 pdf2html 等)，你也可以自己弄，不过很麻烦特别是涉及表格的话。
pdf 底层的信息是很基础的，你可以去看看 adobe 的 pdf 标准文件，不像 html 、word 底层是标记语言，抽取出来后需要巨量的处理，包括文字合并 字体处理 画布 线条 块。。具体还是要看你的需求了
开源包的话我知道的有 poppler(c++)、itext 和 itextsharp(java)

[Dockerfile]

@Jwyt 纠正下 itext(java) 和 itextsharp(c#)

[leafre]

抽取文字 - 清洗 - 正则比对相似度

[xmt328]

从文件格式上就注定了无法完美

[Huelse]

大概就 word 转 pdf 在图像上对比

[Konys]

之前给教育局做的一个项目涉及 word 对比，word 里面有特别复杂的表格，刚开始自己搞，搞不定后买的 pageOffice.

[cweijan]

这种需求很复杂, 你最后一句话说得好像是开源欠你的一样

[dbpe]

>>但是感觉都 21 年了，难道就没有开源软件能实现么，感觉需求还是挺普遍的，求大神们赐教

你来

[golangLover]

这种需求挺复杂，值得你去付费

[lovelive1024]

“感觉需求还是挺普遍的”
所以别人依据做出来，你交钱就可以用了

[zhuangzhuang1988]

拯救世界的任务，就交给你了.

[gongym]

onlyoffice 有这个功能

[vone]

TortoiseSVN 有对比 word 功能，直接调用的 office，但是没有对比 pdf 的功能。

[lb111223]

PYTHON 有工具,组装一下凑合用

[shinn]

请问一下有方案吗

[jerseyhero]

@shinn 没有好办法，我们后来购买的国产的第三方的对比服务应用，可以部署到本地的那种，对比结果可以通过浏览器查看

[shinn]

@jerseyhero 👌谢啦