Я обычно использую WinMerge для просмотра различий между файлами, но в этом случае это не помогает. Известно, что файлы, которые я сравниваю, имеют разные имена файлов, что создает ложные срабатывания, когда 2 файла с одним и тем же документом имеют разные имена файлов.
У меня есть папка с множеством каталогов, представляющих всех поставщиков, с которыми работает моя компания, и они включают в себя множество PDF-файлов чеков и счетов. Это основной список поставщиков. Счета и квитанции названы так, что имена не имеют смысла без структуры окружающего каталога для обеспечения контекста. Например, здесь у нас есть «Продавцы / Компания Foo / Product Bar / Invoice # 3.pdf»
Затем у меня есть еще одна папка со многими квитанциями и счетами в ней, которая раньше поддерживалась отдельно от основного списка поставщиков и должна была включать вручную созданную копию каждой квитанции и счета, которая была введена в соответствующую запись в основном поставщике. структура каталогов. Эти квитанции и счета должны были быть переименованы, чтобы бухгалтеру было легче читать и знать, на что они ссылаются. Например здесь у нас есть "Налоги / CompanyFoo ProductBar.pdf".
Я искал файлы типа .pdf в папке верхнего уровня основного списка поставщиков, поэтому мои результаты поиска включают квитанции и счета-фактуры от всех поставщиков в структуре каталогов. Затем я скопировал эти файлы .pdf в другую папку на рабочем столе, чтобы сравнить их. Я сравнил эти файлы с файлами в папке «налогов» с помощью WinMerge, чтобы выяснить, не существует ли какой-либо из файлов в папке «налогов» в каталогах «основного поставщика», и наоборот.
Но WinMerge считает файлы разными, потому что их имена не совпадают. Мне нужно знать, если содержимое файла отличается, несмотря на то, что имя файла.
Существуют сотни этих файлов, и если они находятся в папке «налогов», которые не находятся в соответствующем каталоге «основного поставщика», мне нужно исправить это и правильно их подать.
Может кто-нибудь порекомендовать инструмент, который может это сделать?
Я думаю, что i-net PDF контент сравнения будет полезным.
В настоящее время версия 2.0 предлагает графический интерфейс и гибкие варианты цен. По-прежнему существует бесплатная 30-дневная пробная версия, где вы можете проверить все аспекты программного обеспечения.
Если у вас есть какая-то среда Unix (если вы работаете в Windows, я предлагаю Cygwin ), вы можете легко найти дубликаты файлов в текущем каталоге с чем-то вроде этого:
find . -type f -exec md5sum '{}' '+' | sort | uniq -D -w 32 Выходными данными будут md5sum и имя каждого файла, в котором есть хотя бы один дубликат (та же самая md5sum). Дубликаты отображаются сразу после друг друга в алфавитном порядке. Замените .after findна путь, по которому вы хотите посмотреть, если это не текущий каталог.
И наоборот, чтобы получить файлы, которые не имеют дубликатов, вы можете использовать
find . -type f -exec md5sum '{}' '+' | sort | uniq -u -w 32 Это будет печатать только файлы без дубликатов ниже текущего каталога.
В качестве альтернативного решения вы можете подумать о хранении текстовых копий каждого PDF-файла под одним и тем же именем (преобразовано из with, fe, pandoc) и сравнивать текстовые версии только любым инструментом.
Просто сделал это то, что я использовал, это работало, и это было просто!
Попробуйте приложение «PDF Compare», которое сравнивает метаданные документа PDF и изображения страниц на уровне пикселей:
https://www.microsoft.com/en-us/store/p/pdfcompare/9n9dmzjbz2nl#