Comparer deux versions d'un contrat PDF mot à mot avec Python

Un PDF ne conserve pas d'historique des modifications, ce qui oblige à comparer directement les deux fichiers pour repérer les changements. L'article examine trois méthodes : comparaison des pages rendues pixel par pixel, comparaison du texte extrait ligne par ligne, et comparaison mot par mot. Sur une paire de contrats de test, le diff mot par mot identifie les mêmes cinq modifications même lorsque le texte est recomposé avec une autre mise en page, contrairement aux deux autres méthodes. L'auteur présente un script Python d'environ 120 lignes utilisant PyMuPDF et difflib, qui récupère les coordonnées de chaque mot modifié et réécrit les changements sous forme de commentaires dans le PDF. Il indique aussi qu'un logiciel de bureau, PDF Editor d'osFoundry, applique la même logique de comparaison mot par mot.
This is an AI-generated summary. ShortSingh links to the original source for the complete article.

Discussion (0)
Log in to join the discussion and vote.
Log in