我需要比较并获取两个PDF文件中的所有视觉差异。我知道在堆栈溢出方面存在一些与此相关的问题，但它们无法满足我的需求。
我目前正在使用PDFBox为PDF中的页面生成图像并比较图像的字节。
通过这种方法，我能够知道特定的页面有所不同。
但我需要找到一些更精细的细节，例如某些文字的字体大小，比如说 - “文字”的页码不同，比如说PDF中的6。
不仅仅是文字，我需要处理所有视觉差异，如图像，图表中的文字等。
请为此建议我。
PS：我尝试过使用Apache Tika，但我感觉它可以用来获取XHTML和元数据中的结构化文本。但我看到字体大小，字体八等细节没有出现在结构化文本中。如果我弄错了，请纠正我。
答案 0 :(得分：2)
Convert PDF to thumbnail image in Java（这里有一个pdf-renderer的例子）
A good library for converting PDF to TIFF?
Convert jpeg/png to an array of pixels in java
int pixels array to bmp in java
Get Pixel Color around an image
使用PDFBox提取文本：Extracting text from PDF file using pdfbox
PDFBox中有类用于检测字体位置，类型，大小以及可能（不深入搜索）其他设置。 （下面的链接）然后，您可以从两个PDF中提取文本，比较它们以检查文本是否相等，然后 - 如果它们相等 - 比较它们的格式。如果有不同的东西，请将其显示为另一个文本，图像或PDF。
http://pdfbox.apache.org/docs/1.8.3/javadocs/org/apache/pdfbox/util/TextPosition.html
http://pdfbox.apache.org/docs/1.8.2/javadocs/org/apache/pdfbox/pdmodel/graphics/PDFontSetting.html
答案 1 :(得分：0)
查看此Java包：https://java.net/projects/pdf-renderer
您可以将pdf转换为图像，然后将图像作为2D数组遍历，并比较这样的差异。