Pythonを使ったPDF差分比較ツールのソースコードを公開

pip install opencv-python
pip install pdf2images
pip install pathlib
pip inatall glob3

import os
from pathlib import Path
from pdf2image import convert_from_path
import glob
import cv2

def add_poppler_path():
    # poppler/binを環境変数PATHに追加する
    poppler_dir = Path(__file__).parent.absolute() / "poppler/bin"
    os.environ["PATH"] += os.pathsep + str(poppler_dir)

def pdf_to_images():
    j = 0
    k = 0
    # PDFファイルのパスを取得し順番に捌いていく
    for x in glob.glob("./pdf_file_before/*.pdf"):
        
        pdf_path = Path(x)

        # pdfから画像に変換
        pages = convert_from_path(str(pdf_path), dpi=150)
        # 画像ファイルを１ページずつ保存
        image_dir = Path("./image_file_before")
        for i, page in enumerate(pages):
            file_name = "{:02d}".format(j + 1) + ".jpeg"
            image_path = image_dir / file_name
            # JPEGで保存
            page.save(str(image_path), "JPEG")
            j = j + 1

    for x in glob.glob("./pdf_file_after/*.pdf"):
        
        pdf_path = Path(x)

        # pdfから画像に変換
        pages = convert_from_path(str(pdf_path), dpi=150)
        # 画像ファイルを１ページずつ保存
        image_dir = Path("./image_file_after")
        for i, page in enumerate(pages):
            file_name = "{:02d}".format(k + 1) + ".jpeg"
            image_path = image_dir / file_name
            # JPEGで保存
            page.save(str(image_path), "JPEG")
            k = k + 1

def find_diff():            
    image_dir = Path("./image_file_after")
    for l in range(sum(os.path.isfile(os.path.join(image_dir, name)) for name in os.listdir(image_dir))):
        #参照画像(img_ref)と比較画像(img_comp)の読み込み
        img_ref  = cv2.imread("./image_file_before/" + "{:02d}".format(l + 1) + ".jpeg", 1)
        img_comp = cv2.imread("./image_file_after/" + "{:02d}".format(l + 1) + ".jpeg", 1)
        temp = img_comp.copy()
        #グレースケース変換
        gray_img_ref  = cv2.cvtColor(img_ref, cv2.COLOR_BGR2GRAY)
        gray_img_comp = cv2.cvtColor(img_comp, cv2.COLOR_BGR2GRAY)
        #単純に画像の引き算
        img_diff = cv2.absdiff(gray_img_ref, gray_img_comp)
        #差分画像の２値化（閾値が50）
        ret, img_bin = cv2.threshold(img_diff, 50, 255, 0)
        #2値画像に存在する輪郭の座標値を得る
        contours, hierarchy = cv2.findContours(img_bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        #contoursから一個ずつ輪郭を取り出し、輪郭の位置(x,y)とサイズ(width, height)を得る
        #サイズが 5x5 以上の輪郭を枠で囲う。
        for contour in contours:
            x, y, width, height = cv2.boundingRect(contour)
            if width > 5 or height > 5:
                cv2.rectangle(temp, (x-2, y-2), (x+width+2, y+height+2), (0, 255, 0), 2)
            else:
                continue
        #差分画像を保存
        cv2.imwrite("./diff_image_file/" + "{:02d}".format(l + 1) + ".jpeg",temp)


if __name__ == "__main__":
    add_poppler_path()
    pdf_to_images()
    find_diff()

PdfDiff
    ∟diff_image_file
    ∟image_file_after
    ∟image_file_before
    ∟pdf_file_after
    ∟pdf_file_before
    ∟poppler
        ∟bin
        ∟include
        ∟lib
        ∟shere
   ∟pdf_diff.py