PHP项目怎么实现合同比对？

wen java案例 2026-07-22 2

本文目录导读：

PHP项目怎么实现合同比对？

方案一：基于文本比对库（最推荐，适合大多数场景）
方案二：调用外部命令行工具（最精确，适合专业文档）
方案三：使用云服务API（最省心，适合SaaS应用）
方案四：纯前端处理（减轻服务器压力）
总结与建议

这是一个非常实用的企业级功能需求,在PHP项目中实现合同比对，核心目标通常是快速找出两个或多个文档（如Word、PDF、纯文本）之间的差异。

由于PHP本身不擅长解析Word和PDF的复杂格式,常见的实现思路是：

提取文本内容：将合同从PDF/Word转为纯文本。
进行文本比对：使用类似Git Diff的算法（如LCS，最长公共子序列）找出差异。
展示结果：高亮显示删除、新增、修改的部分。

下面介绍几种具体的实现方案,按技术难度和效果排序。

基于文本比对库（最推荐，适合大多数场景）

该方案利用现成的PHP库,负责从文件中提取文本，再用专门差异算法库进行比对。

核心依赖库

你需要至少两个库：

文本提取库：
- PDF：smalot/pdfparser （稳定，社区广）或 setasign/fpdi （处理表单）。
- Word： phpoffice/phpword （可以读取docx）。
差异比对库：
- finediff：一个非常优秀的PHP库，专门用于文本的逐行、逐词甚至逐字符比较，并能输出HTML高亮。

实现步骤

Step 1：安装依赖（Composer）

composer require smalot/pdfparser
composer require phpoffice/phpword
composer require cogpowered/finediff

Step 2：提取文本

<?php
require 'vendor/autoload.php';
use Smalot\PdfParser\Parser as PdfParser;
use PhpOffice\PhpWord\IOFactory as WordFactory;
function extractText($filePath) {
    $extension = strtolower(pathinfo($filePath, PATHINFO_EXTENSION));
    switch ($extension) {
        case 'pdf':
            $parser = new PdfParser();
            $pdf = $parser->parseFile($filePath);
            return $pdf->getText();
        case 'docx':
            $phpWord = WordFactory::load($filePath);
            $text = '';
            foreach ($phpWord->getSections() as $section) {
                $elements = $section->getElements();
                foreach ($elements as $element) {
                    if (method_exists($element, 'getText')) {
                        $text .= $element->getText() . "\n";
                    }
                }
            }
            return $text;
        case 'txt':
            return file_get_contents($filePath);
        default:
            throw new \Exception('Unsupported file type: ' . $extension);
    }
}
// 用法
$oldText = extractText('contract_v1.pdf');
$newText = extractText('contract_v2.docx');

Step 3：比对并输出高亮HTML

<?php
use cogpowered\FineDiff\Diff;
use cogpowered\FineDiff\Render\Html;
function compareContracts($oldText, $newText) {
    // 使用逐词比对，更精细
    $granularity = \cogpowered\FineDiff\Delimiters::paragraphs() . \cogpowered\FineDiff\Delimiters::sentences() . \cogpowered\FineDiff\Delimiters::words();
    $diff = new Diff($granularity);
    $renderer = new Html();
    // 生成HTML，
    // <ins> 表示新增内容
    // <del> 表示删除内容
    $result = $renderer->process($oldText, $newText);
    return $result;
}
$htmlResult = compareContracts($oldText, $newText);
// 在前端显示时，记得给 <ins> 和 <del> 设置CSS样式
// ins { background-color: #d4fcbc; text-decoration: none; } 
// del { background-color: #fbb; }

优点：纯PHP实现，部署简单，不依赖外部服务，效果精细（支持逐词比对）。缺点：对复杂PDF（扫描件、表格）文本提取效果较差，需结合OCR。

调用外部命令行工具（最精确，适合专业文档）

对于复杂的Word格式（如有表格、页眉页脚）或扫描件PDF，纯PHP库提取文本会丢失格式信息，这时，调用专业工具更可靠。

工具组合

文档转文本：pandoc （瑞士军刀，几乎支持所有格式互转）或 Apache Tika （内容分析工具包）。
差异比对：diff （Linux自带）或 git diff。
可选：pdftotext （来自Poppler工具集，专门用于PDF）。

实现步骤

Step 1：服务器安装工具

# Ubuntu
sudo apt-get install pandoc poppler-utils
# macOS
brew install pandoc poppler

Step 2：PHP调用执行

<?php
function extractTextWithPandoc($filePath) {
    $extension = strtolower(pathinfo($filePath, PATHINFO_EXTENSION));
    if ($extension === 'pdf') {
        // PDF推荐用pdftotext，更准确
        $output = shell_exec("pdftotext " . escapeshellarg($filePath) . " -");
    } else {
        // Word或其他用pandoc
        $output = shell_exec("pandoc " . escapeshellarg($filePath) . " -t plain --wrap=none");
    }
    return $output;
}
function diffTexts($oldText, $newText) {
    // 将文本写入临时文件
    $tmpOld = tempnam(sys_get_temp_dir(), 'diff_old');
    $tmpNew = tempnam(sys_get_temp_dir(), 'diff_new');
    file_put_contents($tmpOld, $oldText);
    file_put_contents($tmpNew, $newText);
    // 执行系统diff，生成统一格式
    $diffOutput = shell_exec("diff -u " . escapeshellarg($tmpOld) . " " . escapeshellarg($tmpNew));
    unlink($tmpOld);
    unlink($tmpNew);
    return $diffOutput;
}
// 用法
$oldText = extractTextWithPandoc('contract_v1.pdf');
$newText = extractTextWithPandoc('contract_v2.docx');
$diffResult = diffTexts($oldText, $newText);
// 解析 diff 输出，转换为HTML
// 可以自己写一个简单解析器，或者用现成的库（如 PHP-Diff）

优点：文本提取精度最高，能处理复杂版式。缺点：依赖服务器环境，需要安装外部软件，安全性需注意（防止命令注入）。

使用云服务API（最省心，适合SaaS应用）

如果不想折腾格式解析,可以直接调用云服务商提供的文档比对API。

腾讯云-文档比对：提供专门API，直接上传两份文档，返回JSON格式的差异列表。
钉钉/阿里云-文档服务：也有类似能力。

基本流程（伪代码）：

// 1. 上传文件
$response = httpPost('https://api.xxx.com/document/compare', [
    'file1' => new CURLFile('contract_v1.pdf'),
    'file2' => new CURLFile('contract_v2.docx')
]);
// 2. 获取结果（通常包含每个段落的变更类型：新增、删除、修改、无变化）
$result = json_decode($response, true);
// 3. 根据API返回的坐标或文本片段，在前端渲染差异

优点：完全不关心文件格式解析，效果好。缺点：需要付费、依赖网络、合同内容可能涉及数据隐私。

纯前端处理（减轻服务器压力）

如果合同文本内容不大且均为.txt或.md格式，可以在浏览器端用JavaScript完成比对，PHP仅负责提供原始文本。

前端库：diff （npm包）， jsdiff。
效果：用户操作完全在浏览器内完成，服务器只做文件上传和存储。

总结与建议

方案	适用场景	复杂度	效果	推荐指数
PHPPHP库	常规合同，非扫描件，对格式无要求	低	良好（文本层面）	⭐⭐⭐⭐⭐
命令行工具	复杂格式，需要绝对精确	中	极佳	⭐⭐⭐⭐
云API	追求稳定性，有预算，数据不敏感	低	极佳（带格式）	⭐⭐⭐
纯前端	纯文本，轻量级场景	低	一般	⭐⭐⭐

对于大多数PHP 项目，建议采用方案一：FineDiff + smalot/pdfparser + PHPWord。 它平衡了效果、部署成本和代码可控性，如果后续发现PDF提取文本不准确（例如扫描件），再为特定文件类型切换到方案二（调用pdftotext）或集成OCR（Tesseract）即可。