Quería hacer esto (archivos PDF de diferencias) recientemente con estos requisitos:
- ignorar espacios en blanco, saltos de línea, saltos de página, etc.
- vea fácilmente cuándo solo cambiaron un par de palabras, no solo líneas / párrafos enteros.
- salida de diferencia de color
Instalé pdftotext, wdiff y colordiff, disponibles en varios administradores de paquetes. (Con macports: sudo port install poppler wdiff colordiff)
Entonces:
wdiff <(pdftotext old.pdf -) <(pdftotext new.pdf -) | colordiff
Ahora puedo ver qué palabras, bien coloreadas, han cambiado.
Más detalles: http://philfreo.com/blog/how-to-view-a-color-diff-of-text-from-two-pdfs/
Variación:
El uso dwdiffpuede producir resultados ligeramente mejores.
También quería la salida HTML, por lo que este pequeño script crea una página web básica con un poco de CSS.
bash pc-script.bash old.pdf new.pdf > q.htlm
Luego abra q.htmlcon su navegador web.
pc-script.bash archivo:
#!/bin/bash
OLD="$1"
NEW="$2"
cat <<EOF
<html><head><meta charset="UTF-8"/><title>Changes from $OLD to $NEW</title></head><style>
.plus { color: green; background: #E7E7E7; }
.minus { color: red; background: #D7D7D7; text-decoration: line-through; }
</style><body><h1>Changes from [ <span class="minus">$OLD</span> ] to [ <span class="plus">$NEW</span> ]</h1><pre>
EOF
dwdiff -i -A best -P \
--start-delete='<span class="minus">' --stop-delete='</span>' \
--start-insert='<span class="plus" >' --stop-insert='</span>' \
<( pdftotext -enc UTF-8 -layout "$OLD" - ) \
<( pdftotext -enc UTF-8 -layout "$NEW" - ) \
cat <<EOF
</pre></body></html>
EOF
Un ejemplo de salida se puede ver aquí
