我正在使用iTextSharp从PDF文件中读取文本。但是，有时我无法提取文本，因为PDF文件只包含图像。我每天都下载相同的PDF文件，我想看看PDF是否被修改过。如果无法获得文本和修改日期，MD5校验和是判断文件是否已更改的最可靠方法吗?
如果是的话，一些代码示例将受到赞赏，因为我在密码学方面没有太多经验。
当前回答
除了上面回答的方法，如果你比较pdf，你需要修改创建日期和修改日期，否则哈希将不匹配。
对于用QuestPdf生成的pdf，你需要覆盖文档元数据中的CreationDate和ModifiedDate。
public class PdfDocument : IDocument
{
...
DocumentMetadata GetMetadata()
{
return new()
{
CreationDate = DateTime.MinValue,
ModifiedDate = DateTime.MinValue,
};
}
...
}
https://www.questpdf.com/concepts/document-metadata.html
其他回答
这是我找到的一个稍微简单的版本。它一次读取整个文件，只需要一个using指令。
byte[] ComputeHash(string filePath)
{
using (var md5 = MD5.Create())
{
return md5.ComputeHash(File.ReadAllBytes(filePath));
}
}
我是这样做的:
using System.IO;
using System.Security.Cryptography;
public string checkMD5(string filename)
{
using (var md5 = MD5.Create())
{
using (var stream = File.OpenRead(filename))
{
return Encoding.Default.GetString(md5.ComputeHash(stream));
}
}
}
除了上面回答的方法，如果你比较pdf，你需要修改创建日期和修改日期，否则哈希将不匹配。
对于用QuestPdf生成的pdf，你需要覆盖文档元数据中的CreationDate和ModifiedDate。
public class PdfDocument : IDocument
{
...
DocumentMetadata GetMetadata()
{
return new()
{
CreationDate = DateTime.MinValue,
ModifiedDate = DateTime.MinValue,
};
}
...
}
https://www.questpdf.com/concepts/document-metadata.html
用于动态生成的pdf。 创建日期和修改日期总是不同的。
你必须删除它们或将它们设置为一个常数值。
然后生成md5哈希来比较哈希。
您可以使用PDFStamper删除或更新日期。
我知道我来晚了，但在实际实现解决方案之前进行了测试。
我确实对内置的MD5类和md5sum.exe进行了测试。在我的例子中，内置类花费了13秒，md5sum.exe每次运行大约16-18秒。
DateTime current = DateTime.Now;
string file = @"C:\text.iso";//It's 2.5 Gb file
string output;
using (var md5 = MD5.Create())
{
using (var stream = File.OpenRead(file))
{
byte[] checksum = md5.ComputeHash(stream);
output = BitConverter.ToString(checksum).Replace("-", String.Empty).ToLower();
Console.WriteLine("Total seconds : " + (DateTime.Now - current).TotalSeconds.ToString() + " " + output);
}
}
