PDF页面去重工具
点击上传或拖入 PDF 文档（仅支持 PDF 格式）
支持单文件上传，最大 100MB，纯前端本地处理
工具介绍
PDF页面去重工具支持完全匹配和近似匹配两种模式，智能识别并删除PDF中的重复页面。完全匹配模式基于页面像素指纹精确比对，适用于标准电子文档；近似匹配模式采用DHash算法和汉明距离进行视觉相似度比对，适用于扫描件、图片型PDF。可自定义渲染精度和近似阈值，一键生成去重后的PDF文件。适用于扫描件去重、电子文档清理、重复页整理等场景，全程纯前端本地处理，保护数据隐私。
功能说明
| 完全匹配模式 | 基于页面像素指纹（FNV-1a哈希）精确比对，完全相同的页面才会被识别为重复。适用于标准电子文档，速度快、准确率高。 |
|---|---|
| 近似匹配模式 | 采用DHash（差异哈希）算法将每页缩放到9x8灰度图计算64位指纹，通过汉明距离比对视觉相似度。适用于扫描件、图片型PDF或格式略有差异的文档。 |
| 渲染精度 | 控制页面渲染分辨率：快速（120px）速度快精度低；标准（160px）平衡速度与准确率；精细（220px）准确率最高但耗时最长。 |
| 近似阈值 | 仅近似匹配模式生效，取值0-10。阈值越小匹配越严格，0表示DHash完全一致，6为中等推荐值，10为最宽松。 |
| 命名规则 | 文件名格式：文档名_去重N页.pdf，如 report_去重15页.pdf，便于归档管理。 |
使用步骤
使用技巧
常见问题
Q1: 完全匹配和近似匹配有什么区别？
完全匹配模式基于页面像素指纹精确比对，适用于标准电子文档，去重准确率高且速度快。近似匹配模式通过DHash算法和汉明距离进行视觉相似度比对，适用于扫描件、图片型PDF或格式略有差异的文档，需配合近似阈值（0-10）使用。阈值越小匹配越严格，6为中等推荐值。
Q2: 支持哪些PDF文件？加密PDF可以处理吗？
本工具支持标准的未加密PDF文件。若PDF设置了打开密码或编辑权限保护，系统将提示加载失败。建议先解除PDF加密保护后再使用本工具。本工具不会尝试破解或绕过任何安全机制。
Q3: 渲染精度如何选择？
渲染精度决定页面指纹的精细程度：快速模式（120px）处理速度快但精度较低，适合页数多且对准确性要求不高的文档；标准模式（160px）为推荐选项，平衡速度与准确率；精细模式（220px）准确率最高但耗时最长，适合扫描件或页面复杂的文档。
Q4: 近似阈值如何设置？
近似阈值（0-10）仅在近似匹配模式下生效。阈值为0表示要求完全相同的DHash；阈值为2表示非常相似；阈值为6为中等推荐值，能容忍轻微的扫描差异；阈值越大匹配越宽松，可能误删相似但非重复的页面。建议从6开始尝试。
Q5: 参数修改后需要重新生成吗？
是的。去重模式、渲染精度或近似阈值修改后，需要重新点击"生成去重PDF"按钮方可生效。系统不会自动重新处理，以避免不必要的计算资源消耗。
Q6: PDF处理是否涉及数据上传？
完全不会！所有PDF解析、页面渲染、指纹计算、去重生成均在浏览器本地完成，全程无需上传至任何远程服务器，不产生任何网络数据传输，完全离线运行，彻底保护隐私。
渲染精度参考表
| 精度级别 | 渲染宽度 | 处理速度 | 准确率 | 适用场景 |
|---|---|---|---|---|
| 快速 | 120px | 较快 | 较低 | 页数多、准确性要求不高 |
| 标准 | 160px | 适中 | 较高 | 日常使用（推荐） |
| 精细 | 220px | 较慢 | 最高 | 扫描件、复杂页面 |
近似阈值参考表
| 阈值 | 匹配程度 | 适用场景 |
|---|---|---|
| 0 | 完全相同 | DHash完全一致才判定为重复 |
| 2 | 非常相似 | 极轻微差异仍判定为重复 |
| 4 | 较相似 | 适合清晰扫描件去重 |
| 6 | 中等（推荐） | 能容忍轻微扫描差异 |
| 8 | 较宽松 | 适合质量参差的扫描件 |
| 10 | 很宽松 | 可能误删相似页面，谨慎使用 |