java文本比较解决方案

参考资料

VBA计算页码和行号https://learn.microsoft.com/zh-cn/office/vba/api/word.wdinformation

概述：

最近在做word文档对比的，总结了几种解决方案，记录一下

在java中，常用的文本对比方案有如下几种：

|---------------|----------|----------|-----------|-----|
| 差异比较工具 | 小部分修改合理性 | 大片段修改合理性 | 修改部分定位便捷性 | 容错度 |
| java-diff | 差 | 差 | 差 | 差 |
| beyondCompare | 差 | 差 | 差 | 差 |
| WPS | 优 | 中 | 优 | 优 |
| git | 差 | 优 | 差 | 差 |

总结：

git/jgit 适用于整个段落的增删改，但是对段落内部的细节处理捕捉欠佳，如果一整段话仅仅修改了一个字，那么也会认为是段落的替换；
WPS的比较适用于细节字符的增删改，但是对大片段落的增删改捕捉欠佳，如果是一段话替换成了另一段话，那么不会被识别为段落的替换，而是找到里面的相似部分，表现为内部某些字符的增删改；
建议两种插件结合着使用，可以使用字符串相似度等插件，来做到取长补短的效果；

具体介绍：

如果对比的word，可以使用VBA进行解析，见本人的VBA系列文章，这里就不做赘述。

1.java-diff

java-diff-utils 网上教程其实很多,这里是一个例子

2. beyondCompare

beyondCompare是一款PC版的文件对比工具，或许可以尝试用VBA来进行调用，参考文章：

Jacob调用Windows桌面软件（Adobe系列，CAD，ABBYY FineReader 等）

3. WPS

WPS有word对比功能，在Word软件中的审阅→比较选项

可以使用VBA来使用此功能，参照文档,

下面是一段jacob代码

java 复制代码

package com.example.worddemo.test.jacob;

import com.example.worddemo.test.jacob.enums.FileMacroEnum;
import com.example.worddemo.utils.IdUtil;
import com.jacob.activeX.ActiveXComponent;
import com.jacob.com.ComThread;
import com.jacob.com.Dispatch;
import com.jacob.com.Variant;

/**
 * @program: word-demo
 * @description: 文档对比  最简单方式的文档对比方式
 * @author: wjl
 * @create: 2024-03-26 14:36
 **/
public class CompareDocuments {


    // 这里需要根据当前环境安装的是 MicroSoft Office还是WPS来选择
    // 如果安装的是WPS，则需要使用 KWPS.Application
    // 如果安装的是微软的 Office，需要使用 Word.Application
    private static final String MS_OFFICE_APPLICATION = "Word.Application";
    private static final String WPS_OFFICE_APPLICATION = "KWPS.Application";

    public static void main(String[] args) {
        ComThread.InitSTA();  // 初始化 COM 线程
        FileMacroEnum macroEnum = FileMacroEnum.WORD_2003_DOC;
        String targetPath = "D:\\"+ IdUtil.upper()+macroEnum.getSuffix();
        String sourceWordPath =  "D:\\3.doc";
        String targetWordPath =  "D:\\3 - 1.doc";
        try {
            ActiveXComponent app = new ActiveXComponent( WPS_OFFICE_APPLICATION);
            app.setProperty("Visible", new Variant(false));
            Dispatch docs = app.getProperty("Documents").toDispatch();
            Dispatch sourceDoc = Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[] {sourceWordPath, new Variant(false), new Variant(true)} , new int[1]).toDispatch(); //打開word文檔
            Dispatch targetDoc = Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[] {targetWordPath, new Variant(false), new Variant(true)} , new int[1]).toDispatch(); //打開word文檔

            // 然后进行比较  只填写必须的 其他的使用默认值
            Dispatch compareDoc = app.invoke("CompareDocuments", new Variant(sourceDoc), new Variant(targetDoc)).toDispatch();
            // 然后将 比较后的文档进行保存
            Dispatch.call(compareDoc, "SaveAs", targetPath, macroEnum.getMacro());
            Dispatch.call(compareDoc, "Close", false);
            Dispatch.call(sourceDoc, "Close", false);
            Dispatch.call(targetDoc, "Close", false);
            app.invoke("Quit",0);
        }catch (Exception e) {
            e.printStackTrace();
        }
        finally {
            ComThread.Release();  // 释放 COM 线程
        }
        System.out.println("转换后的文件路径为："+targetPath);
    }
}

4.git

java使用Git功能，可以使用Jgit插件，参照本人文档

5.总结

如果两个文档只是细枝末节的差异，没有大段落的差异，使用WPS比较即可
如果只有大段落的增删，建议使用Jgit
如果两者都有，建议WPS和Jgit结合着使用