比较PDF内容与Ruby

Question

我正在编写一个Ruby脚本/应用程序，可以帮助我将LaTeX编译为（至少）PDF。我希望它具有的功能之一是它应该pdflatex迭代运行，直到PDF收敛为止（我猜应该如此）。

这个想法是将一次迭代中生成的PDF与使用其指纹的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。（希望的）罪魁祸首是PDF的时间戳，时间戳至少设置为秒pdflatex。由于运行时间pdflatex通常超过一秒钟，因此结果不断变化。也就是说，我希望在某个时间点之后，PDF的时间戳等于时间戳。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，我的基本想法是：

• 使用能够胜任工作的图书馆
• 剥离元数据，仅散列PDF内容
• 比较前将时间戳记覆盖固定值

您有更多的想法，甚至解决方案吗？解决方案只能使用在Linux上运行的免费软件。这样，只使用Ruby是首选，但是完全可以使用外部软件。

顺便说一句，我不完全了解PDF的编码方式，但我怀疑仅比较包含的文本对我不起作用，因为在以后的迭代中仅图形或链接可能会更改。

可能相关：

• 如何比较两个PDF文件？（凌乱的，基于文本的或专有的解决方案）
• 功能性PDF测试（使用Java库；是否能胜任工作尚不清楚）

Answer 1

这可能不是最防弹的解决方案，但它对我有用：

cat file.pdf | grep -a -v "/CreationDate\|/ModDate\|/ID" | md5sum

或来自Ruby

`cat file.pdf | grep -a -v "/CreationDate\\|/ModDate\\|/ID" | md5sum`.strip

在删除导致假定相同的PDF不同的行之后，这将计算PDF的哈希值。

YMMW，取决于您的PDF创建者。使用diff -a file1.pdf file2.pdf找出你需要删除什么其他线路。