比较Java中的两个文档

问题描述

我有两个Word文档，我想在java中进行比较。我尝试使用

md5哈希码

HashCode newFile = Files.asByteSource(newFileInput).hash(Hashing.md5());
HashCode oldFile = Files.asByteSource(oldFileInput).hash(Hashing.md5());

并同时使用

布尔值isEqual = FileUtils.contentEquals（oldFile，newFile）;

即使内容相同，还是使用在线工具对内容进行了比较，无可比拟，上面两种方法中的哈希码仍然是MISMATCH。

有什么解决方案吗？或使用Java中的任何API比较任何文件类型的方法。我需要做两个单词文件之间的深层比较，如空格，字体，内容。等。

预期结果：两个文件都应匹配

解决方法

即使两个文档看起来相同，或者即使两个文档都包含相同格式的内容，但如上次修改日期一样稍作更改，都会导致比较失败。 JSON文档更易于比较，但Word文档为二进制。最小的更改可以完全更改文档。

因此，您必须采用困难的方法：找到一个库来自己读取Word文件的内容，并专门检查两个文件的内容。

我的问题有很多建议和答案，谢谢。 docx文件不匹配的原因在元数据信息中，每当我们创建doc / docx文件时，时间戳都会更改。虽然我尝试更改两个文件的时间戳（可访问，已修改和已创建），以使其相同并进行比较，但均无法解决。原因除了这些时间戳之外，还有一个名为Zip Modify Date的元信息，当我们看到文件属性时看不到该信息。我发现此时间戳是哈希码不匹配的原因之一。此外，由于zip时间戳，base64编码的字符串也有所不同。

所以，我必须进行比较的选项是：

1. converting the docx file to xml file
2. Zip the docx file,unzip it and iterate though all the xml files to find  the hashcode and compare the hascodes.(suggeted as of the answers)

“ 2”很好，但是需要很多次迭代，解压缩会创建很多文件夹。

“ 1”是直接的，当我使用外部lib-> docx4j尝试时，将docx转换为xml，然后我可以匹配哈希码，它起作用了。

将DOCX转换为XML文件

由于我一直在寻找最简单而不是那么复杂的方式来比较Word文档的内容和样式，因此我不得不尝试不同的选择。

读取字符串中的文件，然后使用比较字符串，可以使用stringbuilder或tostring方法将字符串中的文件转换。 InputStream是= new FileInputStream（“ manifest.mf”）; BufferedReader buf = new BufferedReader（new InputStreamReader（is））;

String line = buf.readLine();
StringBuilder sb = new StringBuilder();
        
while(line != null){
   sb.append(line).append("\n");
   line = buf.readLine();
}

String fileAsString = sb.toString（）; System.out.println（“ Contents：” + fileAsString）;

string one = "fdgfhdgkifgh";
string two = "fdgfhdgkifgh";

if(one.Equals(two) || one == two ){
//something
}else{
//not compared
}

在Java中，您可以将两个字符串与string1.equals（string2）进行比较。

因此，在您的情况下，您需要行newFile.equals（oldFile）

compare compare hash hash hashcode hashcode java java