使用Python簡單實現比較PDF文件差異

更新時間：2026年03月19日 11:18:16 作者：秋天的落葉鋪滿小路

在處理合同、法律文書或技術文檔時,常常會遇到多個版本的同一 PDF,本文將逐步演示如何配置環(huán)境并使用示例代碼進行比較,還會介紹一些可選的高級設置以滿足不同需求,希望對大家有所幫助

在處理合同、法律文書或技術文檔時，常常會遇到多個版本的同一 PDF。人工逐頁對比既耗時又容易遺漏細節(jié)。借助 Spire.PDF for Python，你可以用很少的代碼自動檢測并高亮顯示兩個 PDF 之間的差異，從而大幅提升比對效率和準確性。

本文將逐步演示如何配置環(huán)境并使用示例代碼進行比較，還會介紹一些可選的高級設置以滿足不同需求。

安裝依賴

首先從 PyPI 安裝所需包：

pip install spire.pdf

安裝完成后即可開始對 PDF 文檔進行比對。

基本示例：比較兩個 PDF 并輸出結果

下面示例將原始文檔與修訂文檔進行比較，并生成一個可視化的比較結果文件：

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

# 加載原始 PDF
original = PdfDocument("original.pdf")    

# 加載修訂后的 PDF
revised = PdfDocument("revised.pdf")  

# 初始化比較器
comparer = PdfComparer(original, revised)

# 生成比較結果
comparer.Compare("output/CompareResult.pdf") 

# 釋放資源
original.Dispose()
revised.Dispose()

在 PDF 查看器（例如 Adobe Acrobat）中打開生成的 CompareResult.pdf，你會看到并排對比的頁面：原文中被刪除的內容以紅色高亮，修訂文檔中新增的內容以黃色標注，清晰直觀。

可選的高級設置

你可以在調用 Compare 前通過調整比較選項來滿足更精細的需求。

1.僅比較文本

如果希望忽略排版或圖形差異，只檢測文本變化，可以啟用文本比對模式：

comparer.PdfCompareOptions.OnlyCompareText = True

2.限定頁范圍比較

對于篇幅較長的文檔，僅比較特定頁區(qū)通常更高效?？梢栽O置頁范圍：

comparer.PdfCompareOptions.SetPageRanges(1, 3, 1, 3)
# 參數順序：(oldStartIndex, oldEndIndex, newStartIndex, newEndIndex)

這會僅比較指定的頁面區(qū)間，而非整份文檔。

方法補充

Python實現比對兩個PDF文件內容并輸出不同的地方

思路步驟：

安裝PyPDF2庫，并導入
打開需要進行比對的兩個PDF文件
創(chuàng)建PDF文件讀取對象
獲取PDF文件的頁數
創(chuàng)建PDF文件寫入對象
逐頁比較兩個PDF文件
將比較結果寫入新的PDF文件
關閉PDF文件

實現代碼：

import PyPDF2
# 打開原始PDF文件
pdf1 = open('1.pdf', 'rb')
pdf2 = open('2.pdf', 'rb')
# 創(chuàng)建PDF文件讀取對象
pdf1_reader = PyPDF2.PdfReader(pdf1)
pdf2_reader = PyPDF2.PdfReader(pdf2)
# 使用len(reader.pages) 獲取PDF文件的頁數
pdf1_pages = len(pdf1_reader.pages)
pdf2_pages = len(pdf2_reader.pages)
# 創(chuàng)建PDF文件寫入對象
pdf_writer = PyPDF2.PdfWriter()
# 使用reader.pages[page_number]，逐頁比較兩個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)
# 將比較結果寫入新的PDF文件
pdf_output = open('output.pdf', 'wb')
pdf_writer.write(pdf_output)
# 關閉文件
pdf1.close()
pdf2.close()
pdf_output.close()