Eu costumo usar o WinMerge para ver as diferenças entre os arquivos, mas neste caso não ajuda. Os arquivos que estou comparando são conhecidos por terem nomes de arquivos diferentes, o que está criando falsos positivos quando dois arquivos com o mesmo documento dentro têm diferentes nomes de arquivos.
Eu tenho uma pasta cheia de muitos diretórios que representam todos os fornecedores com os quais minha empresa faz negócios, e eles incluem muitos arquivos .pdf de recibos & faturas. É a lista de fornecedores principais. As faturas e amp; os recibos são nomeados de tal forma que os nomes não fazem sentido sem a estrutura de diretórios adjacente para fornecer contexto. Por exemplo, aqui temos "Fornecedores / empresa Foo / barra de produtos / fatura # 3.pdf"
Depois, tenho outra pasta com muitos recibos & faturas nela, que costumavam ser atualizadas separadamente da lista de fornecedores-mestres, e deveriam incluir uma cópia criada manualmente de cada recibo & fatura que foi inserida na entrada apropriada na estrutura de diretório do fornecedor mestre. Estes recibos & as faturas deveriam ter sido renomeadas, então é mais fácil para o contador ler & sabe o que eles se referem. Por exemplo, aqui temos "Impostos / CompanyFoo ProductBar.pdf".
Eu pesquisei arquivos do tipo .pdf na pasta de nível superior da lista de fornecedores principais, para que meus resultados de pesquisa incluam recibos & faturas de todos os fornecedores na estrutura de diretórios. Então copiei esses arquivos .pdf para outra pasta na minha área de trabalho, para poder compará-los. Eu comparei esses arquivos com os arquivos na pasta 'taxes' usando o WinMerge para ver se algum dos arquivos na pasta 'taxes' não existe nos diretórios 'master vendor' e vice-versa.
Mas o WinMerge considera os arquivos como diferentes apenas porque seus nomes de arquivos não correspondem. Eu preciso saber se o conteúdo do arquivo é diferente, apesar do nome do arquivo.
Existem centenas desses arquivos & se houver alguma na pasta 'impostos' que não esteja no diretório 'fornecedor mestre' correspondente, preciso corrigir que & arquive-os corretamente.
Alguém pode recomendar uma ferramenta que pode fazer isso?
Acho que o comparador de conteúdo do i-net PDF seria útil.
Agora está na versão 2.0, oferecendo uma interface gráfica e opções de preços flexíveis. Ainda há uma versão de avaliação gratuita de 30 dias, na qual você pode verificar todos os aspectos do software.
Se você tiver algum tipo de ambiente unix disponível (se você estiver no Windows, eu sugiro Cygwin ) você pode facilmente encontrar duplicatas arquivos abaixo do diretório atual com algo parecido com isto:
find . -type f -exec md5sum '{}' '+' | sort | uniq -D -w 32
A saída será md5sum e o nome de todos os arquivos que tiverem pelo menos uma duplicata (o mesmo md5sum). As duplicatas aparecem uma após a outra em ordem alfabética. Troque o . após find pelo caminho que você deseja procurar se não for o diretório atual.
Por outro lado, para obter os arquivos que não têm duplicatas, você pode usar
find . -type f -exec md5sum '{}' '+' | sort | uniq -u -w 32
Isso só imprimirá arquivos sem qualquer duplicata abaixo do diretório atual.
Como solução alternativa você pode pensar sobre o armazenamento de cópias em texto simples de cada PDF com o mesmo nome (convertido de, fe, pandoc) e comparar versões de texto apenas por qualquer ferramenta
Só fiz isso é o que eu usei, funcionou e foi simples!
Experimente o aplicativo "PDF Compare", que compara os metadados do documento pdf e as imagens da página no nível do pixel:
Tags diff comparison winmerge