使用Apache PDFBox将PDF与页脚中的不同时间戳进行比较以确保相等性

Question

我正在使用BIRT生成包含数据图表和数据表格的PDF报告。我有创建BIRT PDF的TestNG单元测试，然后我想将创建的PDF与基线报告进行比较。我无法使用MD5哈希，因为每个报表都在页脚中加上时间戳，并且时间戳总是会更改。我尝试使用PDPage和PDResources从PDF获取所有图像，但图形似乎不是图像b / c从PDResources对象调用getImages返回0图像。使用PDFBox我可以抓取哪些PDF的其他元素并与基线PDF进行比较以验证相等性？ PDF格式如下，第1页将包含标题，开始日期/时间标签，结束日期/时间标签，报告说明，后跟一个或多个图表，后跟1个表格。

Answer 1

我使用的解决方案是使用PDFBox解析BIRT PDF报告，但删除包含页脚的一串预定义文本并比较两个ArrayList。 pdfDoc = PDDocument.load(docname); List pages = pdfDoc.getDocumentCatalog().getAllPages(); Iterator iter = pages.iterator(); while(iter.hasNext()) { PDPage page = (PDPage) iter.next(); String unparsedLine = page.getContents().getInputStreamAsString(); documentStreamList.add(unparsedLine.replaceAll(DATE_FOOTER_FORMAT, "")); } 此代码将返回PDF包含的字符串列表，并将其与基线BIRT报告进行比较。所有数据都将被平均解析，并且报告在相同时匹配。我从未找到直接比较生成的图形的方法。