删除 PDF 重复页

功能

• 按文字内容找出重复页，保留第一次出现的那一页
• 结果里逐页列出：删了第几页、它和哪一页重复
• 没有文字层的页（扫描件、整页图）不参与比较，原样保留并单独说明
• 一整份都是扫描件时会明确说「比较不了」，而不是给一句「没有重复页」
• 页序不会被打乱 —— 去掉重复之后其余页保持原来的相对顺序
• 原文件不被改动，核完不对可以重来
• 文件不上传、不经过任何服务器

使用方法

1. 把要清理的 PDF 拖进来
2. 工具逐页提取文字并比对，结果里给出删了哪几页
3. 核对那份清单，确认删的都是真重复的
4. 下载结果；如果删错了，打开原文件重新处理即可

常见问题

它是怎么判断两页重复的？

抽取每一页的文字层，把连续空白归一化之后逐页比较，文字完全一样的判为重复，保留第一次出现的那一页。空白归一化是必要的：同一段文字在两次导出里可能带着不同的缩进与空行，不归一化就会漏判。反过来，大小写与标点不归一化 —— 那是内容的一部分，`Hello` 和 `hello` 不该算相同。

为什么我的扫描件一份重复页都没删掉？

因为这个工具靠文字判断，而扫描件没有文字层（整页就是一张图，里面没有可检索的文字）。没有文字层的页会被当作「无法比较」原样保留。如果多半页都是这样，工具会直接说明「比较不了」而不是给一句「没有重复页」—— 后者是在一个看不见的地方给出的肯定结论，等于骗人。要处理扫描件需要比对页面图像，那是另一类工具。

会不会把不该删的页删掉？

有可能，所以结果里逐页列出了删了哪几页。判断只依据文字，不看版式：两份文字恰好一样、但排版或配图不同的页（比如同一段免责声明配了不同的图）会被判成重复。「长得一样」和「应该删」不是一回事 —— 合同里的多份空白页、书籍的重复章节都可能是有意为之，所以删之前请核一下那份清单。好在原文件不会被改动，删错了打开原文件重来即可。

保留了哪一份？

第一次出现的那一页。合并文档造成的重复通常是「同一份材料被带进来两次」，先出现的那一份往往在前缀文档里，位置上更自然。如果留着的是后面那一份，另一份里应当出现在中间的页就会跑到后面去。

和「PDF 页面整理」有什么区别？

那个按页码删页 —— 你知道要删第几页时用它。这个自己找哪些页重复 —— 你不知道（或者懒得一页页翻）时用它。两者都能删页，区别在于决定权在谁手里：这里的判断是工具做的，所以你更该核那份清单。要去掉扫描进来的空白页，两个都能做，但用「页面整理」按页码删更准。