删除 PDF 重复页
联合比对页面尺寸、文字位置和彩色预览，复核后去重
工具说明
在决定删除哪些页面前，先以保守规则检查 PDF 中的重复候选。建议匹配必须同时满足页面边界框、旋转、渲染尺寸、提取文字及文字位置一致，并且彩色预览像素相同。带注释的页不会列为重复候选。每组第一张匹配页作为参考，后续页面显示为候选。本流程不承诺识别偏移、噪点不同等近似重复扫描。预览最多 640 × 960 像素，即使匹配也只是复核线索，不能证明源内容完全相同；不同发票金额、版式、颜色或页面尺寸应分别保留。初始不选择任何删除页。请查看原文件后选择页面，至少保留一页，并确认已复核后导出。剩余源页面复制为新 PDF，需要手动下载；输入实际最多 80 页、200 MiB。
场景配方
删除误导入的发票副本
目标：保留金额不同的发票，移除已复核的重复页。
- 打开合并后的 PDF，查看候选指向的前一张参考页。
- 在原 PDF 中比较候选及参考页；即使缩略图匹配，也检查金额、日期、签名和细小扫描内容。
- 仅选择确认重复的页，勾选已复核后生成。下载并检查不同发票仍按顺序保留。
结果：明确选中的后续副本被移除，不同记录被保留为新 PDF。
保留后出现的副本
目标：多页匹配时自主决定保留哪张。
- 通过候选标注找出最早参考页及后续匹配页。
- 不要勾选要保留的后续页，手动勾选较早页删除。复选框控制删除，候选标记只是建议。
- 至少保留一页，确认并生成，下载前核对结果列表中的源页码。
结果：保留哪份由明确的页面选择决定，而非自动保留首份。
失败门诊（高频踩坑）
重复扫描没有成为候选
原因：噪点、偏移、提取文字差异或页面尺寸变化会阻止精确预览匹配。
修复：在原文件中手动复核两份扫描。本工具没有近似相似度设置，不能通过调高容差处理。
匹配预览掩盖了有意义的源差异
原因：有限预览分辨率与渲染器支持范围无法证明完整文档等价。
修复：把匹配视为候选，先核对原文件小字与扫描细节，再选择删除。
相同文字放在不同位置的页被保留
原因：文字位置、页面尺寸和渲染颜色都参与比对。
修复：这是有意的处理方式。版式差异对任务无意义时，复核后手动选择不需要的页面。
带注释的页面不会自动匹配
原因：评论或链接可能携带视觉比对无法可靠体现的信息。
修复：单独复核源注释。复制含注释的页面后请检查下载文件，工具不保证跨页链接目标仍可用。
生产可用片段
相似发票版式可能包含不同业务数据
text
第 1 页：全白
第 2 页：全黑
第 3 页：全红
第 4 页：全蓝
第 5 页：Invoice total $100.00
第 6 页：Invoice total $999.00
第 7 页：内容、位置和页面尺寸都与第 5 页一致
第 8 页：$100.00 发票移动到不同位置
第 9 页：全白，但为横向页面
仅建议第 7 页是第 5 页的重复候选。
初始不选择任何删除页。常见问题
如何比对重复候选？
页面尺寸、提取文字及其位置、彩色预览的完整 RGBA 像素必须匹配。SHA-256 比对摘要只保存在内存，不使用粗略的感知相似度阈值。
匹配是否证明源内容完全相同？
不能。比较预览最多 640 × 960 像素，可能忽略细节或不支持的特性。删除前请在原 PDF 中检查每张候选页。
支持偏移扫描或近似重复吗？
没有近似或滑动窗口模式。会比较全部接受的页面，但噪点、偏移、文字差异或页面尺寸变化都可能阻止候选匹配。不同扫描副本请手动复核。
重复时保留哪份？
同一匹配组的第一张页作为参考，“选择候选页”只选择后续匹配页。初始全部未选，手动复选框也允许选择其他页面，但必须至少保留一页。
支持哪些 PDF 文件？
请选择实际 1 至 80 页、不超过 200 MiB 的未加密 PDF。表单、XFA、签名权限与文件包会被拒绝。渲染还受页面尺寸和像素预算限制，大文件请先拆分。
输出会保留什么？
所选源页面按原顺序复制，保留文字与矢量内容。输出是新 PDF，不保留或保证文档级书签、附件、表单、签名及跨页目标可用。请逐份下载检查。
PDF 会上传或自动下载吗？
文档仅在浏览器内处理，不上传。生成文件会保留在结果列表，需逐份手动下载。更换源文件、选择或检测设置会撤销旧输出。
继续浏览