ruby - 将 PDF 内容与 Ruby 进行比较

Question

我正在编写一个 Ruby 脚本/应用程序来帮助我将 LaTeX 编译为(至少)PDF。我希望它具有的一个功能是它应该迭代地运行 pdflatex 直到 PDF 收敛(我猜它应该如此)。

想法是使用指纹将一次迭代中生成的 PDF 与前一次迭代中生成的 PDF 进行比较。特别是，我目前使用 Digest::MD5.file(.)。

现在的问题是这永远不会收敛。一个(希望是)罪魁祸首是 PDF 的时间戳，它至少被 pdflatex 设置为秒。由于 pdflatex 的运行时间通常超过一秒，因此结果不断变化。也就是说，我希望 PDF 在某个时间点后等于时间戳。这个假设可能是错误的；提示表示赞赏。

我该怎么办？到目前为止我的基本想法:

• 使用能够胜任这项工作的图书馆
• 去除元数据，只散列 PDF 内容
• 比较前用固定值覆盖时间戳

您有更多想法甚至解决方案吗？解决方案应该只使用在 Linux 上运行的免费软件。这样，只使用 Ruby 是首选，但使用外部软件是完全可以接受的。

顺便说一句，我不完全知道 PDF 是如何编码的，但我怀疑仅仅比较包含的文本对我来说不起作用，因为在以后的迭代中只有图形或链接可能会发生变化。

可能相关:

• How to compare two PDF files?(凌乱的、基于文本的或专有的解决方案)
• Functional PDF Testing(使用 Java 库；不清楚它是否适合工作)

Answer 1

这可能不是最可靠的解决方案，但它对我有用:

grep -av -e '^/CreationDate' -e '^/ModDate' -e '^/ID' file.pdf | md5sum

或者来自 Ruby

`grep -av -e '^/CreationDate' -e '^/ModDate' -e '^/ID' file.pdf | md5sum`.chop!

这会在删除导致假定相同的 PDF 不同的行后计算 PDF 的哈希值。

YMMV，取决于您的 PDF 创建者。要找出您需要删除的其他行，请使用

diff -a file-1.pdf file-2.pdf | less