C++博客-山寨科技-随笔分类-工具平台http://www.cppblog.com/Chipset/category/9263.htmlzh-cnThu, 25 Nov 2021 21:50:03 GMTThu, 25 Nov 2021 21:50:03 GMT60A Tool to Compare Two PDF Fileshttp://www.cppblog.com/Chipset/archive/2021/10/15/217487.htmlChipsetChipsetFri, 15 Oct 2021 02:39:00 GMThttp://www.cppblog.com/Chipset/archive/2021/10/15/217487.htmlhttp://www.cppblog.com/Chipset/comments/217487.htmlhttp://www.cppblog.com/Chipset/archive/2021/10/15/217487.html#Feedback0http://www.cppblog.com/Chipset/comments/commentRss/217487.htmlhttp://www.cppblog.com/Chipset/services/trackbacks/217487.html杂事太多，一直忙来忙去没时间写点正经的东西。最近写了个工具，用于比较两个PDF文件的不同，把差异点标出来。
后端用Poppler解析PDF文件，然后比较，生成三个html，可用Chrome或Firefox(Edge和IE就悲剧了)打开。
查看不同点。这Poppler虽说免费开源，但Bug无数，真心难用。唉，看在不花钱的份上，忍了...

源代码量3万行的样子，运行依赖33个dll，算法有点复杂，虽然距离我的意愿依旧遥远，但总算见到雏形了。

下面的截图是简单的比较了两个PDF文件的结果，鼠标点击最右栏就能标出来且能自动对齐变更点，添加或者删除的能对应原始位置。



下面是个文字变更的逻辑对齐部分截图。文字属性有变更的地方鼠标放上去能弹出不同之处，黑底绿字。



下面是单独比较光栅图片的截图，鼠标点击最右栏能自动对齐，添加或删除的则能对应到原始位置，图片变更的会标出所有变更点。


大致就如同前面三个截图的样子(目前缺矢量图的比较)，应该能满足一般的PDF文档比较需求了。

诸位过客可以下载一个简单用例到电脑上，解压[可以考虑7z]后，用Chrome(或者Firefox，别用Edge和IE)
浏览器打开看看效果。在这里下载/Files/Chipset/test.zip

以上附件很小，麻雀虽小五脏俱全，该有的东西基本都有，可以比较的单个PDF文件1000页以上，且速度很快。
以上展示内容用的文字后贴背景页面格式，将来[升级中]解析PDF用BSD协议的pdfium替换GPL协议的Poppler，
页面展示借助PDF.js，但不再用文字和贴背景这种办法，再接下来做个单机界面，不再用浏览器，算是升级方向吧。

关于比较工具，下面多说几句。
做内容比较的工具Draftable很成功，用C#写的，可以比较Office和PDF文件，各格式任意混比，只能比文字。
我的只能比PDF文件，比较内容是文字和光栅图，有个Kiwi free pdf comparer类似，只不过需要Java运行环境。
此外，ABBY的Fine Reader和Adobe的Acrobat也都有比较功能，只不过精度和速度都明显弱一些。至于视觉
比较的工具，由于跟位置有关，大多数场合几乎等同于废物，这种网上一搜一大把，很多免费。纯文本内容的比较
工具就更多了，网上一搜一大堆，这里就不必啰嗦了。


Chipset 2021-10-15 10:39 发表评论
]]>Windows下编译和安装popplerhttp://www.cppblog.com/Chipset/archive/2021/10/15/217526.htmlChipsetChipsetFri, 15 Oct 2021 02:36:00 GMThttp://www.cppblog.com/Chipset/archive/2021/10/15/217526.htmlhttp://www.cppblog.com/Chipset/comments/217526.htmlhttp://www.cppblog.com/Chipset/archive/2021/10/15/217526.html#Feedback0http://www.cppblog.com/Chipset/comments/commentRss/217526.htmlhttp://www.cppblog.com/Chipset/services/trackbacks/217526.htmlLinux上编译poppler很容易，这里懒得罗嗦。Windows上编译poppler的方法在网上一搜一大堆，实测确实遇到过一个成功的(vcpkg)，但是编译出来的Rel版二进制很大，而且不能编译成QT和GLIB版本。这里介绍另一种方法，供后来者参考，希望能节约你一些时间。


实测E文Windows，Edition: Windows 10 Pro, Version: 2H2 Build: 19042.572 上OK。实测虚拟机上Win7 Ultimate Sp1 64位上也OK。实测虚拟机上Windows XP Pro, Sp2 32位上编译能成功，但结果不可用。如果你仍在用Windows XP，没有必要继续浏览此文。


免费的SDK解析PDF文件可选的有Poppler, MuPDF, PDFium等，三者中最后一个Apache协议，最宽松，Bug也最少，是最佳之选，只可惜在土鳖国下载谷歌的东西很困难，github上有编译好的二进制，只不过内嵌签名，如果一般性质的使用，是个很好的选择[https://github.com/bblanchon/pdfium-binaries]。MuPDF要么购买要么AGPL协议，对于多数人不可用 [https://mupdf.com/downloads/index.html]。最后只剩下Poppler可选，尽管GPL协议，而且获取容易，进程间通信也可以商用。当然，如果学生练手，不用关心版权，任何一个都可用。

安装poppler最简单的办法就是通过msys2(可能cygwin也行)，先把msys2 [选64位] 装上，再把开发工具系列以及poppler的依赖(cairo, iconv, glib, boost, lcms2, zlib, png, tiff, jpeg等等很多)都装上，如果用QT也得装QT，用GTK就得装GTK。其实msys2里面就有poppler了(mingw编译的版本)，装上就行。但是如果需要特定环境使用，比如Visual Studio，或者觉得msys2里的poppler版本不好用[我测试觉得它不太好用]，那就得自己编译。安装msys2和开发环境的方法网上一搜一大堆，这里就不罗嗦了。

固然不排除有人勇气可嘉，想独立编译poppler试试，我不是在此泼冷水，poppler依赖几十个dll，把这些依赖找全自己独立编译的想法根本不现实，因为编译依赖时还需要一大堆别的依赖，由于网络原因很难都顺利下载下来，即使都下载下来，编译方法各式各样，有些用常规方法根本就编译不过。我曾经编译过Poppler 0.59版就用的这个套路，最后不得不修改了很多源代码才编译成功，得到一个可用的版本。想到编译的艰辛过程，poppler 0.59版我用了一年没升级...

装完了msys2把编译器MinGW和make(可能是mingw32-make)加到PATH路径里，一般是***/mingw64/bin

接下来把CMake装上，可在这里下载https://cmake.org/files/

把Poppler下载下来，地址https://poppler.freedesktop.org/ 注意别忘了字体，因此poppler-data也需要，在安装完poppler再装它

编译poppler可用Visual Studio或者mingw[前面msys2里装了]，前者需要vcpkg用power shell命令编译，由于有一堆依赖的库，vcpkg编译前需要逐个下载那些依赖再编译，这个套路理论上没问题，但实际操作起来很难成功，这跟前面想独立编译poppler的想法如出一辙，因为有些依赖的库太难下载[也许因为我这里网络太糟?]。配合msys2安装依赖，用mingw编译poppler要容易的太多。

较新的poppler只能编译64位版本可用，如果想编译32位poppler也能成功，但编译完没法在32位系统上用，因为依赖的库有些在32位系统下无法运行，即使在32位系统上编译出32位的poppler也用不了，我在虚拟机上测试过多次，这样看来，曾经流行但老旧的32位Windows Xp 上没法用poppler了，好在这年头用Xp的人很少。

下载poppler源码后解压(可用7-Zip)，然后打开cmake-gui选择源代码路径和存放的目标文件夹编译就行了。如果希望出现.lib别忘了勾选CMAKE_GNUtoMS选项，编译最好指定Release版，否则默认编译的Debug版体积巨大，安装路径里不能有空格，因为安装时需要ming32-make[有人见过mingw64-make吗？]，它不支持路径里有空格。如果硬件不是骨灰级，编译时可开启多任务，我用的电脑CPU是i7-8700，直接命令行mingw32-make –j12编译需要几分钟的样子

下面不要选Visual Studio ***，应该选MinGW Makefiles


需要哪些选项勾选上，Configure失败的回到前面msys2里装上再重来，这个过程可能需要往复多次。
编译前最好指定Release版，如果不用手工指定，会默认编译Debug版，那样编译出的dll体积巨大！

 


如果前面勾选了CMAKE_GNUtoMS，编译中还会用到Visual Studio，而且编译器版本不能太低。


编译完用命令装mingw32-make install，会装到前面指定的路径c:/poppler/vc下，接下来再安装poppler-data
套路一样，由于它不需要依赖，要容易很多。


由于我不用Visual Studio，因此CMAKE_GNUtoMS勾选后编译的结果在Visual Studio下是否能用不知道，不过
不勾选该项时用MinGW编译的版本是没有任何问题的，我用poppler解析PDF文件做比对工具就用上述方法编译的。

http://www.cppblog.com/Chipset/archive/2020/10/23/217487.html



Chipset 2021-10-15 10:36 发表评论
]]>